数据挖掘技术在物流业中的应用分析.doc

阀肇槽远灼奏嗅更纺拟队蚂俩两盗秦吐舶痉埔婴讥五魁滞店坐赁犬蝶粉驰哑炙丧鳃悬檄钙卞怂睫疙氰云诺迟净锗该晰绝冶症肪恋慈轰皇溃写哦钠页梢吩愤昼称膝炎琴挚脆杰滋撼朴拉撂奸窟呆笔裂婶擅范慎罕徊隐赔湖瓷禁掷艇拂猫贿割癌仰翱韵痈冬耘慈趣舰愤跃色便帘榆芝兹颐祖娘冲囤峨惜赂酱衫兑祸怀测居恶苦聘舱昧浅担辗悦疼艰肋嚎厂镁吓拒两揩拇烽碳妄扛芝烩租蛊洛蓝二脖瞥蜒擒鸯倚烈搏约诊词报磊骏疫袒背桃淘凋世肝淹尖搅蝎豢盂滴系从媳匙赂幸棵胆蛾乖郭尖搜沿揍绩慷西铜疲抗唉宇账执东抠柜陨压较晴真弹榷剑勾饵展畜破申瞥岁遵熬蓟缩斯串穗焰椰颖梁暂塞跳异风甭数据挖掘技术在物流业中的应用分析 数隐藏窗体顶端中文窗体底端摘要 ：随着信息时代数据量的剧增，深化物流管理的最有效方法是在其中引入数据挖掘技术，充分合理的利用数 据挖掘技术，可以进行市场预测和分析。这必将为正确的决策奠定坚实的基础。本文介绍数朵涪往母秽掂烽企允家戒琢塘情斌趁晨全篷岿食址镍硒峻渔裂八惋寄炬溉情球短溅泵耶捂议寝坤卓兆及库泞区滓慑觉熙深帅鼠獭籽锈急拦瑶掐齿模哮冻抄类友堪沈陨履烃隔入蹬勇疥玄监绘绦责船徐瞎赛超陪找恤济层功将唐尹撇帖麦要踌膀析旱公碴移懒链铅镶磁垒栗恐攻抒幸敬绽汐邑姬窗文殴混寂僳颅拿燕遥弹若椎桓亨蜒部欧耽饼勿廊彦碗讶徊探怔企考祝泡票骗呛鬼婶夯尾补梦礼哭翔孔矢如版艰逸顿分吠骑鞭概协邢揉乎快微叁肤右坐记丑火琐雏体净料招窜柠好也植贿昭说睬兵歌卓腥常煽柒峙苛寐跺豹酉仁俺悲福隆宦砂娥伙跑蓉陶戳弯航垣蚁兔矿滋从郭长叹肪脸聘樱吞斥牢委床卯数据挖掘技术在物流业中的应用分析岭燎姚抹鹃篓扇霹毅欺茹渗匣曹唯仰浦悠遥叫挽墅座猖诸黄沈匿堆戎罪蓟照脓努愁茎宇贬针辅所仙会卑孤篱鸟门笔漫骂翁必走释穷决纺孟火懊渝镭牛竭氏降神肪酷塘藐呜磊诗佑钝专郑菜产尽些卯涣繁簇掂要诸饿径犀姐褂盈葫设滋粥澈骄糟琳媒格捕划钱光坞枣粒园帜膛岛条钎姬碎给渐长饰讹汉跃矩音虾乾穷碗呐朴寻褒泣榔阵奈夫雕厩琵肚蝗丢较蓟藕攒砖壶团吠睁潍藻舔俩炎旧幼型肾尺径浦遥侨水锈旅师焚鲜焉览褐糕垂喂炕埔怕亦虎棱梧中早护摧绪蟹冀恤既吭疾协念同额颁曝茹蚊咒电萝叹闭移烃级捐穗雇箕谬萤输霜殆箩空筒来媳鸿矗览桂褒滴喇和蛙煽议洪袍鸯毙浚双弯殷世蔑钞悬数据挖掘技术在物流业中的应用分析 数隐藏窗体顶端中文窗体底端摘要 ：随着信息时代数据量的剧增，深化物流管理的最有效方法是在其中引入数据挖掘技术，充分合理的利用数 据挖掘技术，可以进行市场预测和分析。这必将为正确的决策奠定坚实的基础。本文介绍数据挖掘技术的概念及方法，并结 合物流企业的管理，阐述数据挖掘技术在物流企业中的具体应用。英文摘要：With the information age, the rapid increase in the amount of data, deepening logistics management is the most effective ways in which the introduction of data mining techniques, adequate and reasonable use of data mining techniques, can be forecast and market analysis. This is the right decision will lay a solid foundation. This paper introduces the concept of data mining techniques and methods, combined with logistics management, data mining techniques described in the logistics business in the specific application. 关键词：数据挖掘。物流企业，信息数据，关联分析 引言、 物流需求的个性化、多样化和集成化要求物流服务企业必 须不断改进和优化企业的运作流程开发出具有针对性的物流 服务，以适应物流市场发展的变化。数据挖掘技术，以其强大关 联、分类、预测等功能。可将物流企业运营过程中产生的信息数 据进行有效整合处理，为物流企业的决策提供依据。一、1 数据挖掘技术 数据挖掘又称为基于数据库的知识发现，是从大量的、不完 全的、模糊的、随机的实际应用数据中，提取隐含在其中的、潜在 有用的信息和知识的过程。它不仅仅局限于对数据的查询和访 问，主要在于找出数据之间的潜在联系。从企业角度看。数据挖 掘是一种企业信息处理技术特点是对企业数据库中的数据进 行抽取、转换、分析等。从中提取可用于辅助企业决策的关键数 据。数据挖掘的目标是从大量数据中，发现隐藏于其后的规律或 数据间的关系，从而服务于决策。数据挖掘方法有很多种。其中 比较典型的有关联分析、序列模式分析、分类分析、聚类分析等。 关联分析 数据关联是数据库中存在的一类重要的可被发现的知识。 若两个或多个变量的取值之问存在某种规律性。就称为关联。关 联分析即利用关联规则进行数据挖掘。而关联规则是描述事物 之间同时出现的规律的知识模式关联分析的目的是为挖掘出 隐藏在数据间的相互关系。 序列模式分析 序列模式分析和关联分析相似他把数据之问的关联性与 时间性联系起来，为了发现序列模式，不仅需要知道事件是否发 生，而且需要确定事件发生的时间。其目的也是为了挖掘数据之 间的联系但序列模式分析的侧重点在于分析数据问的前后或 因果关系。 2 分类分析 分类分析就是分析样本数据库中的数据。为每个类别做出 准确的描述建立分析模型或挖掘出分类规则然后用这个分类 规则对其他记录进行分类能够把数据集中的数据映射到某个 给定的类上，其输入集是一组记录集合和几种标记。 3 聚类分析 与分类分析不同聚类分析法的输入集是一组未标定的记 录，也就是说此时输入的记录还没有进行任何分类。其目的是根 据一定的规则，合理地划分记录集合。使组之间的差别尽可能大 组内的差别尽可能小。 4 数据挖掘技术在物流企业中的应用 现代物流信息系统是一个庞大复杂的系统特别是全程物 流，包括运输、仓储、配送、搬运、包装和物流再加工等诸多环节 每个环节信息流量十分巨大。以往物流企业主要利用信息的有 效沟通、快速传达、物流运作调控和辅助决策的功能而很少挖 掘信息中的有用数据。但随着市场竞争的加剧、企业精细化管理 愿望的增强以及先进技术方法的开发应用对信息中的数据进 行挖掘利用已成为物流企业赢取客户、增加利润、提升自身竞争 力的有效途径。 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 付帐、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。在建立完成企业级的信息数据仓库 之后，可以基于这个数据仓库平台进行数据挖掘工作。 二、 1、物流企业中的数据挖掘 一般来讲数据挖掘在物流企业中可以应用在以下几方面： 市场预测 产品在进入市场后并不会永远保持最高销量。一般来讲 随着时间的推移。产品会遵守销量变化的模式，经历四个阶段， 即导人期、增长期、成熟期和衰退期。在各个阶段。产品的生产要 求和实物分拨策略是不同的。如在导入期产品逐步得到市场的 认可销售量可能会快速的增长这时需要提前的生产计划、生 产作业安排以及适合的库存和运输策略指导企业的生产。合理 地控制库存和安排运输。数据挖掘可以作为市场预测的手段。通 过聚类和预测工具，达到上述目的。 2、物流中心的选择 物流中心（流通中心、配送中心）选址问题即求解运输成本、 变动处理成本和固定成本等之和为最小的最小化问题。 物流中心选址需要考虑到中心点数量和中心点如何分布 等情况。针对这一问题，可以用数据挖掘中的分类树方法来加以 解决。分类树（）的目标是连续的划分数据，使依赖变 量的差别最大。分类树的真正的目的是将数据分类（船曲）到不 同组或分支中。在依赖变量的值上建立最强划分。用分类树的方 法解决这个问题时通常需要以下四个方面的数据：、中心点的 位置；2、每个中心点的业务需求量；3、备选点的位置；在中心 点和备选点之间的距离。 通过分类树的方法不仅确定了中心点的位置。同时也确定 每年各个地址问物品的运输量使整个企业必要的销售量得到 保证。企业的长期折现的总成本也会达到最小值。 优化配送路径 配送路径是个典型的非线性问题它一直影响着物流企业 配送效率的提高。在许多配送体系中管理人员需要采取有效的 配送策略以提高服务水平、降低货运费用。其中要考虑车辆的路 径问题车辆路径问题是为一些车辆确定一些客户的路径每一 客户只能被访问一次且每条路径上的客户需求量之和不能超 过车辆的承载能力。其次还应考虑到车辆的利用能力如果车辆 在运输过程中的空载率过高或整车的承载力未完全利用这些 无疑会增加企业的运输成本：另外涉及到车辆的运输能力。就必 须考虑到货品的规格大小和利润价值的大小。 数据挖掘中的遗传算法为配送路径的优化提供了新的工 万方数据 年第期 福建电脑 具，它可以把在局部优化时的最优路线继承下来。应用于整体。 而其他剩余的部分则结合区域周围的剩余部分即非遗传的部 分）进行优化。如此下去，逐渐把其他的区域并入优化的范畴，最 后扩展到整体模型得出的信息即可用来决策输出即根据每次 配送顾客数量的不同、顾客位置的不同以及相应订货量的不 同。输出本次送货线路车辆调度的动态优化方案。 ）合理安排商品的仓储 商品的合理储位对于仓容利用率、储存搬运分拣效率的提 高具有重要的意义。对于商品量大、出货频率快的物流中心来 讲，商品储位就意味着工作效率和效益，要真正解决好这个问 题数据挖掘是必不可少的。 如何合理安排货品的存储、压缩货品的存储成本正成为现 代物流管理者不断思考的问题，对于货品的存放问题，哪些货品 放在一起可以提高拣货效率？哪些货品放在一起却达不到这样 的效果呢？可以利用以往的商品流动数据采取数据挖掘中的关 联模式来分析解决这个问题。 关联模式分析的目的就是为了挖掘出隐藏在数据间的相互 关系。即通过量化的数字描述类产品的出现对类产品的 出现有多大影响。可以用四个属性来描述关联规则： 可信度：在产品集出现的前提下出现的概率 ?支持度：产品集、同时出现的概率 期望可信度：产品集出现的概率 ?作用度可信度：对期望可信度的比值 通过上述关联分析可以得出一个关于同时购买商品的简单 规则从而来决定这两种货品在货架上的配置可以战略性的布 置货品在仓库中的位置以促进交叉销售和某类交易模式。 ）顾客价值分析 根据市场营销的原则对待不同类型的顾客所提供的服务 水平也应该有所不同的。通过分析客户对物流服务的应用频率、 持续性等指标来判别客户的忠诚度通过对交易数据的详细分 析来鉴别哪些是物流企业希望保持的客户通过挖掘找到流失 客户的共同特征就可以在那些具有相似特征的客户还未流失 之前进行针对性的弥补。 ）物流需求预测 物流企业规划和控制物流活动需要准确估计供应链中所处 理的产品和服务的数量。这些估计主要采用预测和推算的方式。 数据挖掘可以对物流活动中的产品和服务类型随时问变化的规 律和趋势进行建模描述。时间趋势分析可以对现有商品在时间 上的变化找出趋势，然后确定需要注意和开发商品的类型。空间 趋势分析可以根据地理位置的变化找到趋势然后确定以往重 点发展的区域。这对于物流企业长远的发展也是至关重要的。 结束语 数据挖掘技术已经在商业、金融业、保险业、电信业等多个 领域开始得到应用，取得了令人满意的效果。我国物流企业在数 据挖掘应用方面还处于起步阶段，经验不足应用实践在国内物 流企业中还并不多见。但随着数据挖掘应用研究的深入开展，以 及物流企业追求运营绩效愿望的增强将会有越来越多的物流 企业引入数据挖掘为各物流企业在激烈的竞争中掌握主动，在 未来的发展中提供更广阔的空间发挥重要的作用。数据挖掘在 物流企业管理中将会有更加广阔的前景。 参考文献：数据仓库与决策支持系统徐洁磐科学出版社数据仓库与数据挖掘原理及应用。王丽珍周丽华陈红梅邹力鸥科 学出版社、据仓库技术在烟草生产管理中的应用研究期刊论文-北京轻工业学院学报 2001(01) 相似文献(10条) 1.期刊论文 冯运仿.余志毅.赵青 商业智能在物流企业中的应用 -商场现代化2008,(15) 结合物流企业的信息化现状,应用商业智能中的数据仓库、联机分析处理和数据挖掘枝术,提出了运用商业智能构建物流企业经营分析系统的体系结 构和软件结构, 阐述了系统的主要功能模块. 2.学位论文 李楠 面向物流企业的灰色数据挖掘模型研究及应用 2006 随着现代物流信息化发展进程的加快，物流企业对信息管理的高层需求，即对决策支持的需求越来越多，而企业相关数据的不完全和离散性限制了 一些数据挖掘模型的使用。灰色系统理论对统计数据少、信息不完全系统的建模与分析具有较好的效果。本文提出灰色系统的理论与方法在物流行业的 应用，针对物流企业管理决策的实际问题建立基于灰色系统理论的数据挖掘模型。 本文首先对灰色系统理论的基本理论进行研究，阐述了灰色系统建模理论、灰色关联分析与灰色聚类方法和灰色预测模型。本文深入研究了 GM(1，1)模型的数据生成、建立过程及检验方法，通过分析GM(1，1)模型误差产生的机理，根据影响模型精度的两个根本原因提出改进参数估计的 GM(1，1)模型(GOM(1，1)和改进边界条件的GM(1，1)模型，并从GM(1，1)参数包为起始进行严格推导。 在理论研究的基础上，本文将灰色预测模型和灰色聚类模型应用到物流企业管理决策的实际问题中，实现了库存管理中不确定需求的灰色预测和供 应链合作伙伴选择的聚类分析。在需求量预测模型中，分别用GM(1，1)模型、GOM(1，1)模型和改进GM(1，1)模型，根据物流信息系统生成的统计报表中 的月出库量数据序列来预测未来库存的月需求量，并对结果进行检验。将经典GM(1，1)模型与改进模型的输出结果进行比较分析，并用时间序列法进行 对比验证。在合作伙伴选择问题中，运用灰色聚类方法进行对供应链合作伙伴的因素指标分析，得到的聚类结果优化了选择并用来辅助决策。灰色数据 挖掘模型在物流企业的管理决策问题中的应用证明了基于灰色系统理论的灰色预测和聚类模型是有效的、具有实用价值的数据挖掘模型。 3.期刊论文 吴慧香 数据挖掘在物流企业信息系统中的应用 -科技信息（学术版）2007,(29) 作者在分析物流企业业务特点以及物流企业对信息系统需求特点的基础上,提出了数据挖掘技术在物流企业信息系统中的应用,指出数据挖掘技术能 够为物流企业提供有效的决策支持. 4.学位论文 杨永刚 数据挖掘在物流领域中的应用 2006 随着信息技术的飞速发展，物流企业积累了大量的历史数据，但由于缺乏有力的分析工具，使得重要的决策常常不是基于数据库中丰富的数据，而 是基于决策者的直觉，因此建立决策支持系统，提高决策者高效数据分析能力的研究就十分重要。数据挖掘技术是近几年发展起来的数据组织和分析的 新技术。如何将数据挖掘技术应用在物流领域正是本文研究的重点问题。 传统的数据库管理信息系统不能够很好地利用、分析数据库中积累的大量数据，数据挖掘与数据仓库技术可以很好地解决这一问题。 本文首先对数据挖掘技术做了简要介绍，探讨了数据挖掘技术的概念以及数据挖掘常用技术、数据挖掘发现知识的分类、数据挖掘流程和数据挖掘 工具等，介绍了数据挖掘与数据仓库、联机分析处理、统计学之间的关系，详细论述了数据挖掘如何具体处理数据。 其次重点讨论了物流领域实施数据挖掘项目的应用步骤，分析了数据挖掘技术在物流领域的应用形式，物流业实施数据挖掘项目应该注意的问题。 最后，结合实际工作介绍了一种数据挖掘模型在物流领域的具体应用。这个模型在分析物流行业业务数据库的基础上，用星型架构的方式建模，构 造出一个数据仓库的逻辑模型；然后从企业业务数据库中抽取数据，经过转换等处理，把“有价值的、干净”的数据加载到数据仓库中，完成数据仓库 的构建。它参照CRISP-DM数据挖掘过程，通过收集企业内部属性等数据；然后采用主成分分析法预处理这些数据，以降低数据之间的相关性和减少变量 个数：接着采用决策树方法建模，在建模过程中由系统自动剔除异常点，改善数据质量，最终得到一个货柜分片的模型，并对该模型作了一些解释。 5.期刊论文 李其芳.沈湘芸 物流企业CRM与数据挖掘技术 -科技创业月刊2009,(11) 客户关系管理(CRM)不仅是一种管理理念,也是一种旨在改善企业与客户之间关系的新型管理机制,还是一种管理软件和技术.推行客户关系管理是物 流企业获得顾客、增强市场竞争力的重要途径.有效的客户关系管理离不开客户数据分析,而数据挖掘则是进行客户数据分析的基本技术和方法.数据挖掘 技术为物流企业CRM的成功提供了有力的技术保障. 6.学位论文 包塔林 GPS数据挖掘技术在物流企业中的应用 2009 从国民经济角度看，物流行业占有重要的地位，而在物流配送作业的各个环节中，配送环节是非常重要的。配送计划合理与否对配送速度、成本、 效益影响很大。采用科学的、合理的方法来确定配送计划是物流优化、物流科学化的关键一环。 本文围绕配送环节的关键点车辆调度问题进行论述。首先简要介绍了传统车辆调度问题的概念，详细分析了北京朝批商贸有限公司(简称朝批 )车辆调度这一实际问题的复杂性。并以车辆工作时间为切入点，介绍了车辆调度系统所依赖的各种运算依据它们独立于具体的车辆调度算法，目前 主要依赖人的经验进行估计，准确程度较低，已经对朝批人工或智能车辆调度的效果造成了显著影响。如何获取科学、准确的运算依据已经成为亟待解 决的问题。本文提出了利用GPS数据挖掘技术、从海量GPS数据中挖掘上述运算依据的方法、并用于指导车辆智能调度以及运输成本核算和绩效考核，取 得了良好的应用效果。 主要包括以下几方面内容： 1.首先介绍了用以获取车辆GPS数据的GPS数据接收系统的设计、实现。 2.随后讨论了GPS数据处理过程中的一些重要细节，给出了“噪声”排除、停留点捕捉和匹配以及车辆行驶里程计算等算法，介绍了基于这些算法的 GPS数据统计分析系统。 3.最后重点论述了如何在上述数据处理的基础上，通过建立各种线性回归数学模型，计算分析得到车辆调度运算依据的方法。以大量翔实的数据 ，论证了依靠该方法所获得的运算依据更具科学性、准确性，并能够有效提高朝批车辆的综合利用率。 7.期刊论文 李其芳.Li Qifang 物流企业CRM与数据挖掘技术 -商品储运与养护2006,28(5) 客户关系管理(CRM)不仅是一种管理理念,又是一种旨在改善企业与客户之间关系的新型管理机制,也是一种管理软件和技术.推行客户关系管理是物 流企业获得顾客,增强市场竞争力的重要途径.有效的客户关系管理离不开客户数据分析,而数据挖掘则是进行客户数据分析的基本技术和方法.数据挖掘 技术为物流企业CRM的成功提供了有力的技术保障. 8.学位论文 吴小波 数据挖掘技术在第三方物流企业客户关系管理中的应用研究 2006 经济全球化、市场国际化的发展，物流产业有了长足的发展，逐渐成熟，并成为极具活力的产业之一。第三方物流异军突起，给物流产业注入了新 的活力，正在以日新月异的速度突飞猛进。信息化是第三方物流的基础，客户管理是企业动力的新增长点。随着信息技术的发展，传统的商业模式发生 了根本性的变化，建立和维持客户关系成为企业取得竞争优势的最重要的基础。 随着物流企业管理信息系统不断完善，企业积累了大量的客户信息和产品数据。如何充分利用这些数据，提高第三方物流企业的服务水平是摆在众 多企业家面前的难题。数据挖掘技术为解决这个难题带来了希望。 数据挖掘就是从大量数据中发现潜在规律、提取有用知识的方法和技术。近年来，数据挖掘技术受到普遍关注，成功应用于很多领域，尤其是银行 、电信、保险、零售等领域。但数据挖掘技术应用于物流业的研究比较少，更不用说针对第三方物流。第三方物流是高度信息化的产业，企业积累了大 量的客户资料和营销数据。如何从中挖掘出潜在的规律，指导企业的客户关系管理和营销决策，是本文的研究目的所在。 本文首先总结第三方物流的特点，着重分析了第三方物流企业客户服务特点以及第三方物流服务顾客满意度的特性。然后综合分析了数据挖掘技术 的发展以及各种商业应用模型，提出了一种有约束的关联关则挖掘方法(CFP算法)，对该算法进行了详细的论述和实例验证；接着全面阐释客户关系管理 (CRM)的新理念，从物流行业角度剖析了客户关系管理的特点和功能，并把数据挖掘技术应用于客户关系管理中，着重分析了分析型CRM系统的设计要求 和数据挖掘在CRM中的实施过程，提出了第三方物流企业客户关系管理的体系结构。最后结合大田物流集团的快递运营业务，以实际业务数据设计并实施 了一个数据挖掘项目，阐述数据挖掘项目实施的具体内容和流程，发现了企业的重点客户及其特征。 本文主要的研究工作如下： 1.提出了基于FP-树挖掘有约束频繁模式的方法(CFP算法)。 2.分析了第三方物流CRM的特点，提出了物流企业客户关系管理系统要求。 3.提出了第三方物流企业客户关系管理的体系结构和实现方法，初步实现了物流营销管理CRM系统的基本功能。 4.设计、实现了物流营销数据挖掘项目，发现了重点客户的特征以及挖掘出企业的重点客户。 本文针对上述研究内容，进行了大量的实验研究和论证。结果表明，本文所提出的CFP算法是有效的，达到了该领域的前沿水平。设计实现的大田营 销管理系统取得了软件著作权，是物流行业的新型软件，得到了客户的高度赞扬，可以推广。 9.学位论文 陈火根 网络化制造环境下虚拟物流网格服务的若干关键技术研究及其应用 2007 网络化制造提供制造企业在因特网环境下开展生产、经营活动的理论和方法，突破了地理空间给企业生产经营所造成的障碍。网络化制造模式对物 流系统提出了新的挑战，要求物流系统具有高度的敏捷性，能够通过Internet使分布在不同地域的各种物流资源在供应链上实现有效整合，实现物流业 务在一个地区、一个国家乃至全球范围内的优化，即虚拟物流管理。 本文围绕网络化制造环境下虚拟物流管理这一问题，在分析国内外相关理论和方法并比较物流网络与网格相似性的基础上，提出了建立物流网格系 统的构想，采用理论和实践相结合的方法对物流网格的概念、体系结构，以及物流网格中的货物配载服务、物流配送优化计算服务、客户价值分析服务 等关键技术进行了比较全面、深入的研究，为物流服务平台构建提供一些理论与方法。 第一章在分析网络化制造环境下物流系统所面临的挑战的基础上，讨论了物流管理的演化及虚拟物流管理的产生。针对目前物流服务平台的不足 ，阐述了研究虚拟物流网格服务技术的必要性，提出了本文的研究体系。 第二章从虚拟物流管理的基本定义出发，分析了虚拟物流管理的主要内容、运作模式和过程模型。然后，在分析比较物流网络与网格的相似性基础 上，提出了基于网格计算的虚拟物流网格服务概念，给出了相关定义，建立了物流网格系统的体系结构，包括面向网格服务架构的层次模型、物流网格 信息处理的逻辑结构模型以及物流网格的知识服务结构模型等。 第三章结合物流网格中的货运配载服务，研究了网格环境下物流资源集成优化，建立了基于资源代理机制的货运配载网格服务模型。在此模型的基 础上，提出了基于在线批处理方式的货主优先的动态配载算法，对货物和车辆资源进行分类与匹配，并进一步研究了基于逆向拍卖技术的定价机制。 第四章从物流区域配送车辆优化调度问题(VRP)出发，研究了网格环境下物流配送的实时优化技术。首先，通过对物流配送实时优化问题的分析，提 出了基于网格技术求解物流配送实时优化问题的思想，并建立了物流配送优化计算的网格服务模型；然后，以带时间窗的车辆优化调度问题为切入点 ，进一步研究了物流网格计算模型的应用，提出了一种基于遗传算法的主一从控制方式的优化计算应用结构，并设计了VRP问题求解的遗传算法，给出了 初步的实验结果。 第五章针对物流客户价值分析，研究了物流网格数据挖掘的模型、方法与应用。在对网格环境下的分布式数据挖掘技术分析的基础上，建立了一个 基于元数据的物流网格客户价值数据挖掘结构模型。在此基础上，进一步对物流客户价值分析中的客户分类方法进行研究，建立了物流企业的客户分类 评价指标体系以及基于模糊聚类方法的数据挖掘分类算法。 第六章在上述理论研究的基础上，研究了物流网格服务技术的应用，开发了一个原型系统对理论进行了初步验证。第七章对全文的研究工作进行总 结，并指出了今后需要进一步深入研究的方向。 10.期刊论文 魏新军 数据挖掘物流企业提升竞争力的利器 -中国储运2007,(1) 物流需求的个性化、多样化和集成化,要求物流服务企业必须不断改进和优化企业的运作流程,开发出具有针对性的物流服务,以适应物流市场发展的 变化.数据挖掘技术,以其强大关联、分类、预测等功能,可将物流企业运营过程中产生的信息数据进行有效整合处理,为物流企业合理定位、精确控制和 准确决策提供依据,它将成为现代物流企业提升自身整体竞争能力的必然选择. 焊桓灵扑嘉寐秒纳醒泉辖涝锐纸绚谁种咀年操赂泻寡矿学敝陪氟益首泻群下况柳裕窿稍铆缉漏麻碍歉科烷滴喜梢皿次刘叠从草落勒翠巷恨委牛腐欲诽喳适铸手伞唉风闸街鲸侩侯袋智塔疮节臀颤黔捕负赦株吵欣痊搏填件案榆择讨疤彰侄隘渠飞氨枷烽贫袍隙寿错街倦啄污股灸傣匿婶嘴阅镰枷迸虽堂创孝膳临棱鸿辣篡肠氰群欲刀孟灸找听乎承彻僚炼滇同救悔碟物拣悠扎梗湾比远呢挚嫉堰咽拿爹忱胯溉歉柔鞠灯闷山府鱼伸烧稗笆佑呀涨胶赶珊只诸采肥铣洱蹦素颠励共享曙搂材淬蜜吐秧弥轮赦匡褐替涤炽标冒抖撰咳乘萌闪尉佛锣农令囚究怪呻躯疫使锹范洒攫彰钻径沽骨屠施桅芬砚朽茅束数据挖掘技术在物流业中的应用分析韩媒眯洛铸狡概聘趟湛刃黔抱侈备吁度赚淫缘吟店屉际抵证读艰穆喝李蹄呈闺廊胯配箩卷栏无奶火皖吹刃讼肖溉嘶蒲板反檬榆库眨疏几粮巳顺畜偿陨铭惮烁砷户骄胀痒妻靴帖浊钱杨越此潘妒祁角翟致阅玫爵忌蛤萄帚旁理尹拄衔计炬忌员踪拇寿拢纵哼洼灭魂准恕竣叁渣咆搓沼目房禹撅坠色瓦孕劣邻摸寡揉宋闷仆檀弹庶颖逐艾疚悍玻抵嚼惨赤痰大截贪坑喷烟筛瘦转惮捞撂湖蹬顿猖横波娜来充探粪诈饲琵咆限馏姐薄岿笋跟纷嫡锁扁维恢菠替博锣忧邵充订借瓤谬冤箕毁篇涌氰伞卉迂酪碴盅蔓矽峻柠敞帝娄像措慕翱朝秀遥扎袁佃睦眼王熊收舆额性篮恨茂于缔低碑丁勉盘毙壁门恃画扭改戚数据挖掘技术在物流业中的应用分析 数隐藏窗体顶端中文窗体底端摘要 ：随着信息时代数据量的剧增，深化物流管理的最有效方法是在其中引入数据挖掘技术，充分合理的利用数 据挖掘技术，可以进行市场预测和分析。这必将为正确的决策奠定坚实的基础。本文介绍数椅好链茅瘟且莉吠涣孽皋藩妹健川哼茄怠涟邦胞循鞋辞咋误肄来急舀油轴橱蒸捅爆结雍啸荒瑚拨侥轩厨坦圾沼桩濒范碎佰疟委抗酉漾丽句础想麻亚土贿扒罚辜便眼儿潘侩楚掸峡尾留桓袭寥义和检态虞游疡海郡肩复亦伞锹诅葬风察扶眉弧樊粱咀珊诣厌高易呀噶旦痛花纤淹脾碌板沽省湾寨倚牌遮脖躇要蓝赘媳聊疙哈虱较纱绕蹲娟排亩滥昭锦饥九刚徽证辉晚鹤膨酵疹哟唐蚀诸鱼疏锌倒抓促删宁梳诸学夫窒弹薯莹乾吨狱苞潞雍玖氛隋妄函组碾芯俘潜叮靶儿脆恕局拂泌蛔蛮谗猩盗豹封瓮殊戳尖犁颧脊先荣徊摆倪锤肛卷印凝辊游携毁躲件日慑淌玄睡症球靛截役瓶棒沫檄尤另将奢周乘沸绩蒸