铁路95306网站数据整合技术方案及应用案例研究
【学位授予单位】:西南交通大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:TP393.092;F532
【图文】:
西南交通大学硕士研究生学位论文 第322. 数据 ETL本方案选择 Microsoft SQL Server Integration Services(SSIS:SQL Serv成服务)软件来实现数据 ETL 过程,OLE DB 访问接口连接到各个数据。再经过数据关联、数据清洗、数据转换、数据规约、数据列派生等操作到客户画像应用所需数据,装载到客户画像数据仓库中,数据 ETL 示意图 4-3 所示。
时间最优的多目标多式联运模型的 运方案。eaching-Learning Based Optimizatio而被 Rao 等学者提出的[61]。类似于表示问题的解,解空间里进行搜索应度最好)个体为教师,其余需要进部分包含 “教学阶段”和 “学习阶段 ”两对种群中其他剩余的个体“学生”进行群体均值的影响;在学习阶段,该算较两者之间的优劣,并采取较差个体了标准 TLBO 算法流程。
字段名称 转换方式 转换描述近期发货率 数据派生 最近一次货运时间间隔/和平均货运时间间隔客龄 数据派生 当前时间-客户注册时间退订率 数据派生 退订次数/总次数到货省市总数 数值统计 根据到货地址统计到货省市数量总里程 数值统计 根据客户编号统计总货运里程平均货运时间 数据派生 总货运时间/货运次数平均货运吨数 数据派生 总货运吨数/货运次数平均货运吨数 数据派生 总货运费用/(总货运吨数*总货运里程)(1)数值统计举例实现:以总货运次数为例,其生成的 SQL 语句为:“SELECT [客户编号],COUNT(需求受理号) as 总货运次数FROM [95306KHHX].[dbo].[订单维$]Group By 客户编号”(2)数据派生举例实现:以客龄为例,其设置过程如图 5-1 所示:
【参考文献】
相关期刊论文 前10条
1 陈宁;郑巧然;桂欣;;基于平衡记分卡的铁路货运绩效评价分析[J];物流技术;2017年01期
2 段莉;;数据采集技术分析[J];互联网天地;2016年12期
3 李贞昊;张巍琦;陈俊宇;;云计算和云服务的发展综述[J];科技风;2016年21期
4 马小宁;李平;史天运;;铁路大数据应用体系架构研究[J];铁路计算机应用;2016年09期
5 何湘竹;;一种改进的基于教与学的优化算法求解旅行商问题[J];中南民族大学学报(自然科学版);2015年04期
6 何红;孙根年;;基于教与学优化算法的智能旅游线路优化[J];陕西理工学院学报(自然科学版);2015年01期
7 朱喜安;魏国栋;;熵值法中无量纲化方法优良标准的探讨[J];统计与决策;2015年02期
8 黄丽霞;帅斌;;危险货物多式联运路径优化问题的多目标优化算法[J];中国安全生产科学技术;2014年09期
9 王启东;;面向数据整合的铁路运输信息集成平台方案研究[J];铁路计算机应用;2014年08期
10 原福永;张晓彩;罗思标;;基于信息熵的精确属性赋权K-means聚类算法[J];计算机应用;2011年06期
相关硕士学位论文 前10条
1 宛宁;信息门户系统的数据整合与集成关键技术研究[D];长春工业大学;2017年
2 郭晓燕;考虑多种因素的中欧集装箱多式联运路径选择研究[D];郑州大学;2017年
3 王冬羽;基于移动互联网行为分析的用户画像系统设计[D];成都理工大学;2017年
4 朱峰;基于JSON的互联网异构数据整合的应用研究[D];南京邮电大学;2016年
5 赵飞鸿;基于金融类客户画像的二分K均值算法分析研究与应用[D];中国科学院大学(工程管理与信息技术学院);2016年
6 龚德鹏;基于数据挖掘的铁路货运潜在客户识别研究[D];西南交通大学;2016年
7 李卫利;教与学优化算法的改进研究及其应用[D];河北地质大学;2016年
8 崔琳;基于客户画像的数据挖掘技术在CRM中的应用[D];东华大学;2015年
9 刘明桦;铁路货运大数据平台下基于聚类的客户细分应用研究[D];北京交通大学;2015年
10 陈敏伟;大数据技术在铁路货运电子商务系统中的基本应用研究[D];西南交通大学;2015年
本文编号:2785737
本文链接:https://www.wllwen.com/guanlilunwen/wuliuguanlilunwen/2785737.html