基于云挖掘的物流信息智能分析应用平台研究

物流信息日益大数据化,急需实现物流信息分析的智能化。云挖掘是由云计算技术支撑的并行数据挖掘,是实现物流信息智能分析的有效方法。基于云挖掘的物流信息智能分析应用平台具有超强的海量数据处理能力,有很强的可扩展性;用户无需自己开发应用软件,允许用户任意提交服务请求,能够有效处理和利用分布在各节点之间的数据和计算设备,可为不具备数据挖掘相关知识的用户提供"一站式服务",使用户低成本地利用该平台。

基于云分类挖掘的物流信息智能分析方法研究

目前的物流信息分类分析模型与方法难以适应于分布、异构的大数据环境。云分类挖掘实现了云计算与分类挖掘的结合,其核心是实现分类挖掘算法的Map Reduce并行化。在构建基于云分类挖掘的物流信息智能分析模式的基础上,以KNN算法为例,探索了并行的物流信息分类分析算法及其实现,研究设计了Map Reduce并行化的Map函数和Reduce函数。最后,分析了本方法的优势。

基于云聚类挖掘的物流信息智能分析方法研究

文章在构建基于云聚类挖掘的物流信息智能分析模式的基础上,以K-means算法为例,探索了并行的物流信息聚类分析算法及其实现,研究设计了MapReduce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及其应用。

基于云关联挖掘的物流信息智能分析方法研究

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。