基于數(shù)據(jù)挖掘的物流決策系統(tǒng)的研究.pdf

1、數(shù)據(jù)挖掘(Data Mining)就是指從大量的、不完全的、有噪聲的數(shù)據(jù)中提取出隱含的、未知的、對決策有潛在價值的知識和規(guī)則。它融合了數(shù)據(jù)庫、人工智能、機(jī)器學(xué)習(xí)、統(tǒng)計學(xué)等多個領(lǐng)域的理論和技術(shù)。隨著信息化，網(wǎng)絡(luò)化和智能化發(fā)展，現(xiàn)代物流的大量數(shù)據(jù)關(guān)鍵知識隱藏在物流企業(yè)的管理過程中，而運(yùn)用關(guān)聯(lián)規(guī)則，決策樹等數(shù)據(jù)挖掘算法可以快速找出有價值的知識和數(shù)據(jù)，成為物流公司決策分析、有效地管理客戶關(guān)系，提高市場競爭優(yōu)勢的有利理論依據(jù)。
　　 本文

2、通過研究數(shù)據(jù)挖掘在現(xiàn)代商貿(mào)物流管理系統(tǒng)的運(yùn)用，分析了目前數(shù)據(jù)挖掘的關(guān)聯(lián)規(guī)則算法存在的問題，提出了一種性能更加完善的挖掘算法HEFFIA，它在計算支持度時對不在Ck中的各個事務(wù)進(jìn)行刪除，判斷Lk-1中項集的數(shù)目是否小于k，減少了產(chǎn)生頻繁項集的算法步驟，提高了算法效率，并將改進(jìn)的算法運(yùn)用到物流決策系統(tǒng)上，提高了物流效率；同時針對決策樹的信息論方法在物流決策系統(tǒng)中運(yùn)用時存在的問題進(jìn)行改進(jìn)，引入粗糙集方法對屬性的約簡，利用屬性重要度分類算法構(gòu)建