近年來,利用物流和快遞從事卷煙非法交易的違法犯罪活動日益猖獗,隨著煙草行業(yè)打假打私力度不斷增大,各級煙草專賣管理部門在物流寄遞渠道均查獲了大量的涉煙案件數(shù)據(jù)。由于目前行業(yè)內(nèi)外鮮有對該類案件進行大數(shù)據(jù)分析研究,因此,本文以理論結(jié)合實際,首先介紹了數(shù)據(jù)挖掘技術(shù)中聚類算法相關理論,重點對經(jīng)典K-Means算法及其相關改進算法進行了研究,然后以W市煙草專賣局的真實涉煙案件數(shù)據(jù)進行實驗仿真,通過分析歷史各類案發(fā)地址等信息,幫助煙草專賣執(zhí)法人員在涉煙案件經(jīng)營偵辦、卷煙消費市場監(jiān)管等方面開展精準打擊、重點治理。 

【文章來源】：中國管理信息化. 2019,22(22)

【文章頁數(shù)】：5 頁

【文章目錄】：
0 引言
1 聚類算法概述
    1.1 聚類算法
    1.2 經(jīng)典K-Means算法
    1.3 初始質(zhì)心的選擇
    1.4 最優(yōu)k值的確定
    1.5 改進后算法步驟
2 實驗仿真
3 指導實踐
    3.1 發(fā)揮大數(shù)據(jù)情報導偵優(yōu)勢，助力物流寄遞涉煙犯罪精準打擊
    3.2 深化大數(shù)據(jù)在APCD工作法中的運用，助力卷煙消費市場精準治理
4 結(jié)語


【參考文獻】：
期刊論文
[1]淺析新形勢下“互聯(lián)網(wǎng)+物流寄遞”涉煙違法行為監(jiān)管難點及對策[J]. 劉澤林.  經(jīng)貿(mào)實踐. 2018(13)
[2]最優(yōu)聚類個數(shù)和初始聚類中心點選取算法研究[J]. 張素潔,趙懷慈.  計算機應用研究. 2017(06)
[3]基于聚類中心優(yōu)化的k-means最佳聚類數(shù)確定方法[J]. 賈瑞玉,宋建林.  微電子學與計算機. 2016(05)
[4]Android平臺下基于改進的K-means酒店信息聚類算法[J]. 錢政.  淮海工學院學報(自然科學版). 2014(04)
[5]基于改進聚類算法的網(wǎng)絡輿情分析系統(tǒng)研究[J]. 王旭仁,李娜,何發(fā)鎂,王彥麗,宋蓓.  情報學報. 2014 (05)
[6]最大距離法選取初始簇中心的K-means文本聚類算法的研究[J]. 翟東海,魚江,高飛,于磊,丁鋒.  計算機應用研究. 2014(03)
[7]對打擊互聯(lián)網(wǎng)涉煙違法犯罪的思考[J]. 雷蓓麗.  新西部(理論版). 2012(Z6)
[8]聚類算法研究[J]. 孫吉貴,劉杰,趙連宇.  軟件學報. 2008(01)

碩士論文
[1]基于改進K-means聚類的推薦方法研究[D]. 趙將.華中科技大學 2016
[2]改進K-Means聚類算法在基于Hadoop平臺的圖像檢索系統(tǒng)中的研究與實現(xiàn)[D]. 黎光譜.廈門大學 2014
[3]基于語義分析和改進K-means算法的新聞熱點提取方法研究[D]. 徐春光.北京化工大學 2014



本文編號：2962043