本文關鍵詞：基于云聚類挖掘的物流信息智能分析方法研究

  更多相關文章： 云挖掘 云聚類挖掘 物流信息 物流信息智能分析

【摘要】：文章在構建基于云聚類挖掘的物流信息智能分析模式的基礎上,以K-means算法為例,探索了并行的物流信息聚類分析算法及其實現,研究設計了MapReduce并行化的Map函數、Combine函數和Reduce函數。最后,分析了本方法的優(yōu)勢及其應用。
【作者單位】： 武漢大學信息資源研究中心;
【關鍵詞】： 云挖掘 云聚類挖掘 物流信息 物流信息智能分析
【基金】：國家自然科學基金項目“基于動態(tài)數據挖掘的物流信息智能分析研究”(編號:71373197)的研究成果之一
【分類號】：TP311.13
【正文快照】： 1相關研究回顧 作為國民經濟先導性、戰(zhàn)略性、技術性的產業(yè),物流業(yè)近年來插上了快速騰飛的翅膀,智能物流信息平臺的建設如火如荼。在物流智能化進程中,國內外學者也對此展開了深人研究,有力地推動了物流業(yè)的實踐發(fā)展。在此類研究成果中,有部分學者將聚類挖掘作為實現物流信息

【相似文獻】

中國期刊全文數據庫 前10條

1 李勇;王新穎;;聚類挖掘在電子商務中的應用[J];商場現代化;2007年25期

2 時念云;孔靜;;基于語義和領域相關的聚類挖掘方法研究[J];微計算機應用;2008年11期

3 劉洪偉;石雅強;梁周揚;肖岳;;面向聚類挖掘的局部旋轉擾動隱私保護算法[J];廣東工業(yè)大學學報;2012年03期

4 陳平;宋玉蓉;蔣國平;;基于多維聚類挖掘的異常檢測方法研究[J];計算機技術與發(fā)展;2012年07期

5 張文華;王新穎;;聚類挖掘在遠程教育中的應用[J];唐山師范學院學報;2007年05期

6 王新穎;王向麗;張文華;;基于關聯規(guī)則的聚類挖掘在遠程教育中的應用[J];現代遠距離教育;2008年04期

7 關莉莉;;銀行卡客戶群體聚類挖掘研究[J];微計算機信息;2008年30期

8 韓存鴿;;聚類挖掘在高校圖書館管理系統(tǒng)中的應用[J];重慶理工大學學報(自然科學);2012年11期

9 王東;羅可;;基于變異粒子群的聚類挖掘[J];計算機工程與應用;2011年21期

10 尹云飛,鐘智;一種聚類挖掘軟件數據的方法[J];河南科技大學學報(自然科學版);2004年02期

中國重要會議論文全文數據庫 前2條

1 張德輝;唐世渭;楊冬青;馬秀莉;姜力爭;;一種在OLAP中保持聚類挖掘結果的有效方法[A];第二十四屆中國數據庫學術會議論文集（研究報告篇）[C];2007年

2 金妮;;一種基于數據倉庫和OLAP技術的聚類挖掘系統(tǒng)[A];中國儀器儀表學會第九屆青年學術會議論文集[C];2007年

中國博士學位論文全文數據庫 前2條

1 熊文;基于群智的特征選擇、分類與聚類挖掘的研究[D];北京郵電大學;2010年

2 劉兵;時間序列與聚類挖掘相關技術研究[D];復旦大學;2006年

中國碩士學位論文全文數據庫 前10條

1 李雄;面向大數據的聚類挖掘算法研究[D];南京郵電大學;2014年

2 劉宇;基于云計算的聚類挖掘算法及其應用研究[D];南京郵電大學;2014年

3 江哲雅;聚類挖掘在電信客戶分類中的研究與應用[D];上海交通大學;2013年

4 董瑋;可視化空間聚類挖掘算法的研究與應用[D];吉林農業(yè)大學;2012年

5 徐鵬;零售業(yè)顧客忠誠度的模型研究與聚類挖掘[D];大連交通大學;2008年

6 蘇東海;基于加權向量提升的多尺度聚類挖掘算法[D];河北師范大學;2014年

7 管明君;Ramsey理論在聚類挖掘中的應用研究及實現[D];云南大學;2014年

8 顏小林;基于本體的Web頁面聚類挖掘[D];太原理工大學;2007年

9 嚴衛(wèi);模糊聚類挖掘技術研究及其在高考志愿填報服務中的應用[D];中南大學;2009年

10 劉晨晨;改進的聚類挖掘算法對網絡自助出版“長尾”文本的推薦應用[D];復旦大學;2011年

，

本文編號：910697