數(shù)據(jù)挖掘在物流領(lǐng)域中的應(yīng)用.pdf

1、隨著信息技術(shù)的飛速發(fā)展，物流企業(yè)積累了大量的歷史數(shù)據(jù)，但由于缺乏有力的分析工具，使得重要的決策常常不是基于數(shù)據(jù)庫(kù)中豐富的數(shù)據(jù)，而是基于決策者的直覺，因此建立決策支持系統(tǒng)，提高決策者高效數(shù)據(jù)分析能力的研究就十分重要。數(shù)據(jù)挖掘技術(shù)是近幾年發(fā)展起來的數(shù)據(jù)組織和分析的新技術(shù)。如何將數(shù)據(jù)挖掘技術(shù)應(yīng)用在物流領(lǐng)域正是本文研究的重點(diǎn)問題。 傳統(tǒng)的數(shù)據(jù)庫(kù)管理信息系統(tǒng)不能夠很好地利用、分析數(shù)據(jù)庫(kù)中積累的大量數(shù)據(jù)，數(shù)據(jù)挖掘與數(shù)據(jù)倉(cāng)庫(kù)技術(shù)可以很好地解決

2、這一問題。 本文首先對(duì)數(shù)據(jù)挖掘技術(shù)做了簡(jiǎn)要介紹，探討了數(shù)據(jù)挖掘技術(shù)的概念以及數(shù)據(jù)挖掘常用技術(shù)、數(shù)據(jù)挖掘發(fā)現(xiàn)知識(shí)的分類、數(shù)據(jù)挖掘流程和數(shù)據(jù)挖掘工具等，介紹了數(shù)據(jù)挖掘與數(shù)據(jù)倉(cāng)庫(kù)、聯(lián)機(jī)分析處理、統(tǒng)計(jì)學(xué)之間的關(guān)系，詳細(xì)論述了數(shù)據(jù)挖掘如何具體處理數(shù)據(jù)。 其次重點(diǎn)討論了物流領(lǐng)域?qū)嵤?shù)據(jù)挖掘項(xiàng)目的應(yīng)用步驟，分析了數(shù)據(jù)挖掘技術(shù)在物流領(lǐng)域的應(yīng)用形式，物流業(yè)實(shí)施數(shù)據(jù)挖掘項(xiàng)目應(yīng)該注意的問題。 最后，結(jié)合實(shí)際工作介紹了一種數(shù)據(jù)挖掘模型在

3、物流領(lǐng)域的具體應(yīng)用。這個(gè)模型在分析物流行業(yè)業(yè)務(wù)數(shù)據(jù)庫(kù)的基礎(chǔ)上，用星型架構(gòu)的方式建模，構(gòu)造出一個(gè)數(shù)據(jù)倉(cāng)庫(kù)的邏輯模型；然后從企業(yè)業(yè)務(wù)數(shù)據(jù)庫(kù)中抽取數(shù)據(jù)，經(jīng)過轉(zhuǎn)換等處理，把“有價(jià)值的、干凈”的數(shù)據(jù)加載到數(shù)據(jù)倉(cāng)庫(kù)中，完成數(shù)據(jù)倉(cāng)庫(kù)的構(gòu)建。它參照CRISP-DM數(shù)據(jù)挖掘過程，通過收集企業(yè)內(nèi)部屬性等數(shù)據(jù)；然后采用主成分分析法預(yù)處理這些數(shù)據(jù)，以降低數(shù)據(jù)之間的相關(guān)性和減少變量個(gè)數(shù)：接著采用決策樹方法建模，在建模過程中由系統(tǒng)自動(dòng)剔除異常點(diǎn)，改善數(shù)據(jù)質(zhì)量，最終