基于云聚类挖掘的物流信息智能分析方法研究

发布时间：2017-09-24 09:36

  本文关键词：基于云聚类挖掘的物流信息智能分析方法研究

  更多相关文章： 云挖掘 云聚类挖掘 物流信息 物流信息智能分析

【摘要】：文章在构建基于云聚类挖掘的物流信息智能分析模式的基础上,以K-means算法为例,探索了并行的物流信息聚类分析算法及其实现,研究设计了MapReduce并行化的Map函数、Combine函数和Reduce函数。最后,分析了本方法的优势及其应用。
【作者单位】： 武汉大学信息资源研究中心;
【关键词】： 云挖掘 云聚类挖掘 物流信息 物流信息智能分析
【基金】：国家自然科学基金项目“基于动态数据挖掘的物流信息智能分析研究”(编号:71373197)的研究成果之一
【分类号】：TP311.13
【正文快照】： 1相关研究回顾 作为国民经济先导性、战略性、技术性的产业,物流业近年来插上了快速腾飞的翅膀,智能物流信息平台的建设如火如荼。在物流智能化进程中,国内外学者也对此展开了深人研究,有力地推动了物流业的实践发展。在此类研究成果中,有部分学者将聚类挖掘作为实现物流信息

【相似文献】

中国期刊全文数据库 前10条

1 李勇;王新颖;;聚类挖掘在电子商务中的应用[J];商场现代化;2007年25期

2 时念云;孔静;;基于语义和领域相关的聚类挖掘方法研究[J];微计算机应用;2008年11期

3 刘洪伟;石雅强;梁周扬;肖岳;;面向聚类挖掘的局部旋转扰动隐私保护算法[J];广东工业大学学报;2012年03期

4 陈平;宋玉蓉;蒋国平;;基于多维聚类挖掘的异常检测方法研究[J];计算机技术与发展;2012年07期

5 张文华;王新颖;;聚类挖掘在远程教育中的应用[J];唐山师范学院学报;2007年05期

6 王新颖;王向丽;张文华;;基于关联规则的聚类挖掘在远程教育中的应用[J];现代远距离教育;2008年04期

7 关莉莉;;银行卡客户群体聚类挖掘研究[J];微计算机信息;2008年30期

8 韩存鸽;;聚类挖掘在高校图书馆管理系统中的应用[J];重庆理工大学学报(自然科学);2012年11期

9 王东;罗可;;基于变异粒子群的聚类挖掘[J];计算机工程与应用;2011年21期

10 尹云飞,钟智;一种聚类挖掘软件数据的方法[J];河南科技大学学报(自然科学版);2004年02期

中国重要会议论文全文数据库 前2条

1 张德辉;唐世渭;杨冬青;马秀莉;姜力争;;一种在OLAP中保持聚类挖掘结果的有效方法[A];第二十四届中国数据库学术会议论文集（研究报告篇）[C];2007年

2 金妮;;一种基于数据仓库和OLAP技术的聚类挖掘系统[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年

中国博士学位论文全文数据库 前2条

1 熊文;基于群智的特征选择、分类与聚类挖掘的研究[D];北京邮电大学;2010年

2 刘兵;时间序列与聚类挖掘相关技术研究[D];复旦大学;2006年

中国硕士学位论文全文数据库 前10条

1 李雄;面向大数据的聚类挖掘算法研究[D];南京邮电大学;2014年

2 刘宇;基于云计算的聚类挖掘算法及其应用研究[D];南京邮电大学;2014年

3 江哲雅;聚类挖掘在电信客户分类中的研究与应用[D];上海交通大学;2013年

4 董玮;可视化空间聚类挖掘算法的研究与应用[D];吉林农业大学;2012年

5 徐鹏;零售业顾客忠诚度的模型研究与聚类挖掘[D];大连交通大学;2008年

6 苏东海;基于加权向量提升的多尺度聚类挖掘算法[D];河北师范大学;2014年

7 管明君;Ramsey理论在聚类挖掘中的应用研究及实现[D];云南大学;2014年

8 颜小林;基于本体的Web页面聚类挖掘[D];太原理工大学;2007年

9 严卫;模糊聚类挖掘技术研究及其在高考志愿填报服务中的应用[D];中南大学;2009年

10 刘晨晨;改进的聚类挖掘算法对网络自助出版“长尾”文本的推荐应用[D];复旦大学;2011年

，

本文编号：910697