数据挖掘技术在物流业中的应用研究

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。     

决策树方法在煤炭物流客户分析中的应用

目前物流企业中积累了大量的客户历史数据,为了有效利用这些数据,使用数据挖掘方法对客户进行分类管理和服务是CRM中非常重要的一方面。而决策树是进行分类分析与数据挖掘的常用方法。研究了运用C4.5算法对煤炭物流客户信息构造决策树,并把提取到的规则应用到公路煤炭物流公司的客户关系管理中,结果证明具有较好的应用价值。     

DMX在货运代理海运数据挖掘中的应用

对数据挖掘语言（Data Mining Language,DML）和行业标准的研究,是数据挖掘领域的重要方向。在分析现有数据挖掘技术的基础上,对DMX进行讨论,提出了物流挖掘方案,并给出了在SSAS 2005中基于DMX的物流数据挖掘应用实例,很好地运用于货代海运业务中,证明是可行的。     

数据挖掘在物流管理决策中的作用

伴随着信息时代数据量剧增的显著特征,深化物流管理决策的最有效的方法是在其中引入数据挖掘技术。介绍了数据挖掘技术在物流管理决策中的作用,分析了数据挖掘在物流管理信息中的挖掘过程及实现的关键技术。指出数据挖掘技术将为物流管理决策提供越来越强大的支持功能。     

关于数据仓库和数据挖掘在物流系统中的应用研究

针对近年来我物流行业急剧发展,物流经营的各个环节对数据管理要求越来越高,物流管理信息系统在其中 扮演的角色越来越重要。本文浅谈如何将数据仓库技术、数据挖掘技术结合起来用于物流管理业,为决策层提供技术支持。 首先对数据仓库和数据挖掘作了简单介绍;其次着重论述了在物流管理信息系统的构建过程中数据仓库、数据挖掘和OLAP 各自的作用,最后站在企业生存的角度上,建议应加大物流系统的建设。本文对物流业的从业人员具有一定的积极意义。     

序列模式挖掘技术在货物流向分析中的应用

网络的普及、信息技术的发展．使得现代物流的信息化水平得到迅猛发展．物流活动的数据库规模也不断扩大;序列模式数据挖掘技术可以有效发现数据间的联系。分析数据之间的前因后果。本文对序列模式数据挖掘技术在现代物流管理中货物流向的应用进行了分析,提出了UGSP算法,并作了实例分析。     

基于数据挖掘技术在物流决策系统中的应用

为了帮助物流决策者采用新技术分析和处理数据,从而在物流过程中提供科学、准确的预测和决策信息,介绍了数据挖掘技术,针对物流过程中大量数据的特点,提出了如何用数据挖掘技术帮助物流企业作出决策的方法。实践表明,该方法对企业提高管理水平、工作效率、作出正确的决策,起到了重要的作用。     

基于数据挖掘技术的CIMS系统信息集成方法

对CIMS工程的现状进行了分析，明确了形成CIMS系统信息孤岛的原因，提出一种基于数据挖掘技术进行CIMS系统信息集成的方法，以原有的数据库为基础，利用网络技术和数据挖掘技术，建立数据挖掘系统，通过数据挖掘的下钻处理、上卷递交与数据信息的析取和融合，建立了相关的模糊理论模型和实现的算法，较好地解决了CIMS系统的资金流、物流与信息流的集成问题。     

数据挖掘技术在物流管理信息中的应用

物流系统是一个复杂而庞大的系统,其包括仓储、运输、装卸、搬运、包装、加工、配送和物流信息等,其每个环节所含有的信息量都非常大。如何及时有效地对这些物流数据进行处理是当前的重要任务,其需要一种全新的数据分析技术。数据挖掘技术能够实现对庞大而复杂数据的有效处理,因为该数据技术是一种能够从庞大的数据信息中提炼出有用信息的一种工具。目前,国内物流领域对数据仓库、数据挖掘技术研究应用还比较落后,物流系统中的优势无法被体现出来。数据挖掘技术的一个重要组成部分是关联规则分析,其主要研究如何从大量的数据中提炼出已被隐藏的并富有趣味的规律性东西。     

数据仓库技术在物流信息系统中的应用

传统的操作型数据库存在数据分散、数据规范不统一、数据可分析能力较差等缺点,所以论文引入数据仓库技术,在分析其系统体系结构的基础上,提出基于数据仓库的物流信息系统。该系统利用数据挖掘技术和专家系统的推理模式,设计提出了物流决策支持系统的体系结构,将为物流管理的信息化提供强大的决策支持。     

基于供应链数据仓库的OLAP数据挖掘

现代企业的竞争已经转变为供应链之间的竞争，供应链管理是经济全球化发展的产物。在供应链系统的数据库或数据仓库之中存储了大量的数据，如果在供应链数据仓库的基础之上开发OLAP数据挖掘系统，可以使供应链数据仓库更好地适应物流企业决策的需求。文中介绍了基于供应链数据仓库的OLAP数据挖掘应用技术，最后给出了应用实例，并讨论供应链数据仓库的OLPA数据挖掘系统的工作模式及其今后的研究方向。     

面向数据挖掘的煤矿物资供应数据仓库的研究

文章分析了煤炭企业物资供应管理的现状,针对目前物资管理部门普遍存在的库存储备量过大、占用资金过多、资金利用和周转率不高、物资的进出仓工作量大、且容易出错、经济效益低等诸多问题,指出了在管理工作中引入数据挖掘技术进行科学管理的重要性,并介绍了煤炭企业物资供应数据仓库的构建技术及其应用的数据挖掘技术。     

全渠道消费者行为协同决策研究

随着各大零售商全渠道营销战略布局,全渠道消费者数量呈爆炸式增长,对于全渠道消费者的消费行为研究成为热点。然而连锁零售供应链全渠道消费者消费数据呈现海量、高维的特征。针对这一特征,提出采用协同进化算法对连锁零售供应链全渠道消费者行为进行高维关联分析。利用粒子群优化算法和自适应遗传算法各自的优势,两个种群同时遍历,并在两种群间引入信息交互机制,使两种群协同进化。实证研究证明协同进化算法应用于连锁零售供应链全渠道消费大数据关联规则挖掘中,不仅算法的运算速度高,避免了遗传算法单独应用时容易陷入局部最优的缺陷,而且还提高了连锁零售供应链全渠道消费者行为关联规则的大数据挖掘质量,为全渠道消费者购买行为研究提供了新的方法。     

Data mining approach for supply unbalance detection in induction motor

This paper describes an approach for detection of the supply unbalance condition in induction motors by using data mining process. Simulation results have shown that a good indicator of the fault is the amplitude of the second harmonic of the supply frequency component (2f) in the signal obtained by the differences in supply current zero crossing instants. In the study, linear regression (LR), pace regression (PR), sequential minimal optimization (SMO), M5 model tree, M5’Rules, KStar, additive regression and back propagation neural network (BPNN) models are applied within the data mining process for determining the condition of the motor supply voltage. All data mining algorithms were applied using WEKA software. The best result for the determination of the fault related dominant parameter was obtained by using the M5P algorithm model.     

数据挖掘技术在高速铁路SCADA中的应用研究

分析了高速铁路牵引供电SCADA系统的特点,及当前SCADA系统的不足,提出了用数据挖掘技术分析和预测变电所设备故障,改善系统的综合性能.以高速铁路牵引供电SCADA系统现有功能为基础,给出了挖掘过程的总体设计,并对其中的关键步骤,如SCADA挖掘库的建立和更新、挖掘算法的选取与改进、模型的训练与评估作了阐述.     

个性化推荐技术在电子商务中的实现

随着互联网的发展,Web挖掘技术已经成为数据挖掘技术的一个研究的热点。本文对Web挖掘的特点、方法进行了讨论,提出了结合网页的链接结构来补充数据的预处理,以更精确地识别用户会话。同时在挖掘浏览模式的时候,结合网页内容聚类和用户聚类,提高了推荐系统的性能。     

客户关系管理及数据挖掘在其中的应用研究

介绍了客户关系管理及数据挖掘的基本概念,针对企业在客户关系管理中难以从海量数据中抽取有价值信息的问题,分析了数据挖掘技术在客户关系管理的一些领域中的应用。     

基于粗糙集的供应链绩效改进决策研究

从知识发现和数据挖掘的角度,利用粗糙集的理论和方法,建立了基于粗糙集的供应链绩效改进决策模型框架,并给出其中的指标约简方法和基于分辨矩阵计算指标权重的数学模型。最后结合一个制造业供应链绩效评价实例,首先对其基于平衡记分卡的指标体系进行了约简,然后建立了基于粗糙集的供应链绩效改进决策模型,确定了指标的客观权重。并对结果进行了分析,提出了绩效改进决策意见和措施。     

基于兴义供电局2017年客户诉求数据的分析和探讨

为了促进电网企业在电力体制改革纵深推进过程中探索出一条“赢得市场、赢得客户”的双赢之路,本文以贵州电网区域内面临“两网并存”竞争压力的兴义供电局为例,通过对兴义供电局2017年所有客户诉求数据进行提取、筛选、挖掘,分析,将竞争区域内的客户需求和客户抱怨逐条分析,并精准定位到兴义供电局下属分县局具体区域、时间段、业务类型、处理内容,通过数据对比和筛查,查找出客户问题的痛点和要点,针对性提出合理化建议和解决方案,促进兴义供电局供电服务能力提升和经营决策改善。目前,客户诉求数据分析已作为大数据分析的一项在电网企业中陆续开展,其所包括的丰富内容和数据挖掘方法还有待进一步深入研究。兴义供电局已将2017年客户诉求分析数据作为服务提升指引,纳入客户满意度提升细项制定相关举措,通过更有针对性的改善,提升两网并存局面下的供电服务竞争力。     

数据挖掘技术及其在建筑节能中的应用

人类社会发展中的每次技术进步都会催生一系列新的产品和服务,但同时也导致资源和能源消耗的剧增.技术的进步虽然提高了资源和能源的利用效率,但这种人均能耗不断递增的发展模式不可持续.建筑节能除了关注供应侧的能效外,合理的引导需求侧用能是实现建筑节能的关键.要实现建筑节能模式由供应侧到需求侧的转变,就必须恰当描述特定室内环境下的用能特征,才能从需求侧评估建筑能耗的合理性,进而精确辨识能源浪费的原因.建筑物自动化系统和物联网技术的快速发展与普及,获取了大量特定室内环境下的用能特征数据,利用数据挖掘技术可以从这些低密度价值的建筑运维数据中萃取节能线索和策略.本文简述了数据挖掘技术,综述了各种挖掘方法在建筑节能中的应用,并展望了发展趋势.