基于数据挖掘的智能决策支持系统在运输业的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| Contents | 第9-11页 |
| 第1章 绪论 | 第11-15页 |
| ·课题研究背景及意义 | 第11页 |
| ·课题的国内外研究现状 | 第11-12页 |
| ·课题来源及主要研究内容 | 第12-14页 |
| ·论文的组织结构 | 第14页 |
| ·本章小结 | 第14-15页 |
| 第2章 智能决策支持系统 | 第15-24页 |
| ·决策支持系统 | 第15-16页 |
| ·决策支持系统的概念 | 第15页 |
| ·决策支持系统的技术 | 第15-16页 |
| ·决策支持系统的缺点 | 第16页 |
| ·智能决策支持系统 | 第16-19页 |
| ·智能决策支持系统的概念 | 第16-17页 |
| ·智能决策支持系统的特点 | 第17-18页 |
| ·智能决策支持系统中有待解决的问题 | 第18-19页 |
| ·基于数据挖掘技术的智能决策支持系统 | 第19-23页 |
| ·数据挖掘概述 | 第19-20页 |
| ·数据挖掘的任务 | 第20-21页 |
| ·数据挖掘的方法 | 第21-22页 |
| ·基于数据挖掘的智能决策支持系统 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 货物运输智能决策支持系统的总体设计 | 第24-29页 |
| ·系统需求分析 | 第24页 |
| ·系统的体系结构 | 第24-26页 |
| ·数据库的设计 | 第26页 |
| ·系统功能模块介绍 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第4章 基于聚类分析的多货运中心选址决策模块 | 第29-38页 |
| ·聚类分析 | 第29-30页 |
| ·聚类分析的概念 | 第29页 |
| ·聚类算法的分类 | 第29-30页 |
| ·多货运中心选址决策概述 | 第30-31页 |
| ·建立多货运中心选址决策模型 | 第31-32页 |
| ·聚类算法求解模型 | 第32-37页 |
| ·重心法求解单货运中心选址模型 | 第32-33页 |
| ·k-均值聚类算法介绍 | 第33页 |
| ·改进的k-均值聚类算法求解模型 | 第33-36页 |
| ·改进后的k-均值聚类算法分析 | 第36-37页 |
| ·模块决策结果 | 第37页 |
| ·本章小结 | 第37-38页 |
| 第5章 基于遗传算法的制定货物运输方案决策模块 | 第38-53页 |
| ·遗传算法 | 第38-40页 |
| ·遗传算法的主要步骤 | 第38-39页 |
| ·遗传算法的性能 | 第39-40页 |
| ·制定货物运输方案决策模块概述 | 第40页 |
| ·制定货运中心分配方案决策模型 | 第40-41页 |
| ·建立模型 | 第40-41页 |
| ·求解模型 | 第41页 |
| ·制定车辆分配方案决策模型 | 第41-44页 |
| ·建立模型 | 第41-42页 |
| ·贪婪扫描法求解模型 | 第42-44页 |
| ·制定车辆运输路线决策模型 | 第44-48页 |
| ·建立模型 | 第44-45页 |
| ·遗传算法求解模型 | 第45-48页 |
| ·选择最短运输路径决策模型 | 第48-52页 |
| ·建立模型 | 第48-49页 |
| ·遗传算法求解模型 | 第49-52页 |
| ·模块决策结果 | 第52页 |
| ·本章小结 | 第52-53页 |
| 第6章 货物运输智能决策支持系统的实现 | 第53-60页 |
| ·系统概述 | 第53页 |
| ·系统的具体实现 | 第53-59页 |
| ·系统开发环境 | 第53页 |
| ·系统主界面 | 第53-54页 |
| ·多货运中心选址决策模块的实现 | 第54-57页 |
| ·制定货物运输方案决策模块的实现 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第7章 结束语 | 第60-62页 |
| ·论文工作小结 | 第60页 |
| ·未来工作展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士学位期间发表的学术论文 | 第65-66页 |
| 致谢 | 第66-67页 |
| 详细摘要 | 第67-71页 |
