1.一种基于大数据的食品销售数据挖掘分析方法，其特征在于，包括以下步骤：

获取待挖掘的食品销售数据，按照设定的置信度阈值和销售周期，对所述食品销售数据进行数据挖掘，获取每种食品在每个销售周期下的关联规则集合以及所述关联规则集合中每条关联规则的置信度；

根据每种食品在每个销售周期下的关联规则集合中各条关联规则中后项食品的种类的分布特征以及各条关联规则对应的置信度，确定每种食品在每个销售周期下的关联规则复杂程度；

根据所述食品销售数据，确定每种食品在每个销售周期下的价格，根据所述价格和关联规则复杂程度，确定每种食品的最具有市场潜力价格；

根据每种食品在每相邻两个销售周期下的价格的差异、关联规则集合中各条关联规则的个数的差异以及关联规则集合中各条关联规则中后项食品的总种类数的差异，确定每种食品对应的关联规则相关参数；

根据每种食品对应的所述关联规则相关参数、每种食品在每个销售周期下的价格与对应的所述最具有市场潜力价格的差异、以及每种食品在每相邻两个销售周期下的价格的差异，确定每种食品在每个销售周期下的动态调整参数；

根据所述动态调整参数，对所述置信度阈值进行调整，获取每种食品在每个销售周期下的调整置信度阈值，并根据所述调整置信度阈值和销售周期，对所述食品销售数据进行数据挖掘，确定每种食品在每个销售周期下的最终的关联规则集合；

对所述置信度阈值进行调整，获取每种食品在每个销售周期下的调整置信度阈值，对应的计算公式为：其中，为第n种食品在第t个销售周期下的调整置信度阈值，为所述置信度阈值，为第n种食品在第t个销售周期下的动态调整参数；

关联规则复杂程度的计算公式为：

其中，表示第n种食品在第t个销售周期下的关联规则复杂程度，表示第n种食品在第t个销售周期下的关联规则集合中各条关联规则中后项食品的种类对应的信息熵，表示第n种食品在第t个销售周期下的关联规则集合中所有关联规则的总条数，表示第n种食品在第t个销售周期下的关联规则集合中第条关联规则的置信度，确定每种食品对应的关联规则相关参数，包括：

所述关联规则相关参数包括食品关联规则改变系数和食品种类规则改变系数，所述食品关联规则改变系数和食品种类规则改变系数对应的计算公式为：其中，和分别表示第n种食品对应的食品关联规则改变系数和食品种类规则改变系数，表示第n种食品在第t个销售周期下的关联规则集合中各条关联规则的总个数，和分别表示第n 种食品在第t个和第t‑1个销售周期下的价格，和分别表示第n种食品在第t个和第t‑1个销售周期下的关联规则集合中所有后项食品的总种类数，T表示第n种食品对应的销售周期的总数目，|  |表示取绝对值符号，e表示自然常数；

动态调整参数的计算公式为：

其中，表示第n种食品在第t个销售周期下的动态调整参数，表示第n种食品在第t个销售周期下的价格系数，表示第n种食品的最具有市场潜力价格，表示无穷小参数。

2.根据权利要求1所述的一种基于大数据的食品销售数据挖掘分析方法，其特征在于，确定每种食品的最具有市场潜力价格，包括：将每种食品在各个销售周期下的关联规则复杂程度中的最大值所对应的销售周期，确定为每种食品的目标销售周期，并将每种食品在其目标销售周期下的价格确定为每种食品的最具有市场潜力价格。

3.根据权利要求1所述的一种基于大数据的食品销售数据挖掘分析方法，其特征在于，采用Apriori算法对所述食品销售数据进行数据挖掘。

4.根据权利要求1所述的一种基于大数据的食品销售数据挖掘分析方法，其特征在于，所述销售周期为每相邻两天的设定时刻之间的时间段，所述设定时刻根据食品价格变更完成时间确定。