数据挖掘物流论文范文-试谈基于数据挖掘的物流信息系统word版下载

《数据挖掘物流论文范文-试谈基于数据挖掘的物流信息系统word版下载》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、数据挖掘物流论文范文:试谈基于数据挖掘的物流信息系统word版下载导读：本论文是一篇关于基于数据挖掘的物流信息系统的优秀论文范文，对正在写有关于数据挖掘论文的写作者有一定的参考和指导作用,论文片段：又分为分布并行遗传算法、进化算法等。1.2数据挖掘的流程1.2.1确定业务对象清晰地定义出业务理由，认清数据挖掘的目的是数据挖掘的重要一步。挖掘的最后结构是不可预测的，但要探索的理由应是有预见的，为了数据挖掘而数据挖掘则带有盲目性，是不会成功的。1.2.2数据准备①数据的选择：搜索所有与业务对象有关的摘要：随着现代科学技术尤其是因特网的发展，人类积累的数据量正以前所未有的速度增长。物流业和其他行业一

2、样，信息化的物流网络体系产生巨大的数据流，如何准确、及时的收集和分析这些信息就成为一个难题。而数据挖掘技术通过去伪存真、去粗存精、由此及彼、由表及里从海量的信息中挖掘出有效的准确的信息，从而帮助企业迅速的做出决策，制定科学的物流管理方案，提高运作效率，降低运作成本，取得良好的效益。关键词：数据挖掘物流管理信息系统0引言现代物流系统是一个复杂的系统，包括运输、仓储、配送、搬运、包装和物流再加工等诸多环节，信息流量十分巨大。巨大的数据流，使得企业很难对这些数据进行准确、高效的收集和及时处理，因此决策者也就很难做出快速、准确地决策，实现对物流过程的制约，降低整个过程的物流成本。随着知识经济和现代信息

3、技术的迅猛发展，信息技术特别是网络技术的发展，为物流发展提供了强有力的支撑。物流管理信息系统是企业信息系统和企业信息化的基础，能够利用信息技术对物流中的各种信息进行实时、集中、统一管理。1数据挖掘技术1.1数据挖掘数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的、数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。它从已知数据集合中发现各种模型、概要和导出值。数据挖掘不是统计学、机器学习以及其他策略和工具的随意应用，它不是在分析技术空间里面乱闯，而是一个精心策划和思考熟虑过的，决定什么才是最有用的、最有前景的和最有启迪作用的一个过程，是知识发现的关键步骤。数据挖掘

4、的对象根据信息存储格式分类有关系数据库、面向对象数据库、数据仓库、文本数据源、多媒体数据库、空间数据库、时态数据库、异质数据库以及Internet等。数据挖掘的主要技术有集合论法、决策树法、遗传算法、神经网络策略等。集合论法又分为粗（糙）集理论策略、概念树策略、覆盖正例排斥反例策略等。决策树法又分为ID3算法、CLS算法、IBLE算法等。遗传算法又分为分布并行遗传算法、进化算法等。1.2数据挖掘的流程1.2.1确定业务对象清晰地定义出业务理市，认清数据挖掘的目的是数据挖掘的重要一步。挖掘的最后结构是不可预测的，但要探索的理由应是有预见的，为了数据挖掘而数据挖掘则带有肓目性，是不会成功的。1.2

5、.2数据准备①数据的选择：搜索所有与业务对象有关的内部和外部数据信息，并从中选择出适用于数据挖掘应用的数据。②数据的预处理：研究数据的质量，为进一步的分析作准备，并确定将要进行的挖掘操作的类型。③数据转换：讲数据转换成一个分析模型。这个分析模型是针对挖掘算法建立的，建立一个真正适合挖掘算法的分析模型是数据挖掘成功的关键。1.2.3数据挖掘对所得到的经过转换的数据进行挖掘，除了完善从选择合适的挖掘算法外，其余一切工作都能自动地完成。1.2.4结果分析解释并评估结果。其使用的分析策略一般应作数据挖掘操作而定，通常会用到可视化技术。1.2.5将分析所得到的知识集成到业务信息系统的组织结构中去。2数据

6、挖掘在物流信息系统中的应用随着集成化物流管理信息系统的建立，以及网络技术、EDI、人工智能、条形码与POS等各种先进技术的应用，物流信息的商品化、物流信息收集的数据库化和代码、物流信息处理的电子化和计算机化，把挖掘到的规则与物流管理各方面有机地结合，就能极大地提高企业的竞争力。物流决策系统是一种结合了数据挖掘技术和人工智能的新型经营决策系统，主要通过人工智能对原料采购、加工生产、分销配送到商品销售的各个环节的大量信息进行采集，并利用数据仓库和数据挖掘技术对其进行分析处理，并据此确定相应的经营策略。2.1数据仓库的建立数据仓库作为数据挖掘的基础，不同于传统的联机事务处理系统，它具有面向主题的、集

7、成的、不可更新以及随时间变化的特性。各个联机事务处理系统作为数据仓库的原始数据源，以文件方式提供企业在日常活动中收集的包括定货单、存货单、应付账、交易条款、客户情况等在内的大量数据资料和报表，同时还有大量的外部信息等数据。数据仓库通过ETL过程（抽取、转换和加载）处理这些接口文件，并且按不同的主题域组织、存储和管理这些客户数据。通过数据仓库接口，对数据仓库中的数据进行联机分析和数据挖掘。在建立完成