基于云关联挖掘的物流信息智能分析方法研究

被引：3

作者：

曾奕棠 ^{[1
]}

张玉峰 ^{[2
]}

机构：

[1] 武汉东湖学院管理学院

[2] 武汉大学信息资源研究中心

来源：

情报科学 | 2016年 / 34卷 / 10期

关键词：

云挖掘; 云关联挖掘; 物流信息; 物流信息智能分析;

D O I：

10.13833/j.cnki.is.2016.10.010

中图分类号：

F252 [物资流通]; TP311.13 [];

学科分类号：

1201 ; 1202 ; 020205 ;

摘要：

目前的物流信息关联规则分析模型与方法难以适应分布、异构、动态的大数据环境。云关联挖掘实现了云计算与关联规则挖掘的结合,其核心是实现关联规则挖掘算法的Map Reduce并行化。本文在构建基于云关联挖掘的物流信息智能分析模式的基础上,以Apriori算法为例,探索了并行的物流信息关联规则分析算法及其实现,研究设计了Map Reduce并行化的Map函数、Combine函数和Reduce函数。最后,分析了本方法的优势。

引用

页码：56 / 60

页数：5

共 17 条

[1]

MapReduce[J] . Jeffrey Dean,Sanjay Ghemawat. &nbspCommunications of the ACM . 2008 (1)

[2]

An Improved Apriori Algorithm Based On the Boolean Matrix and Hadoop[J] . Honglie Yu,Jun Wen,Hongmei Wang,Li Jun. &nbspProcedia Engineering . 2011

[3] 云计算环境下基于MapReduce并行的Apriori算法优化研究 [J].

李莉 .

自动化与仪器仪表, 2014, (07) :1-4

[4]

Mining logistics data to assure the quality in a sustainable food supply chain: A case in the red wine industry[J] . S.L. Ting,Y.K. Tse,G.T.S. Ho,S.H. Chung,G. Pang. &nbspInternational Journal of Production Economics . 2013

[5]

Sensitivity Analysis of Different Supply Design Alternatives: Experimental Results[J] . Nicola Sacco,Enrico Gattorna,Alberto Baudà. &nbspTransportation Research Procedia . 2014

[6] 新的关联规则算法在物流行业中的应用 [J].