基于关联规则挖掘的货物运输平台信息推荐功能的研究与实现
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 1 引言 | 第13-23页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.1.1 研究背景 | 第13-15页 |
| 1.2 研究目的和意义 | 第15-17页 |
| 1.3 国内外研究现状 | 第17-20页 |
| 1.3.1 数据挖掘技术的研究现状 | 第17-18页 |
| 1.3.2 物流运输平台的国内外应用 | 第18-19页 |
| 1.3.3 物流业中数据挖掘应用的国内外现状 | 第19-20页 |
| 1.4 论文组织结构 | 第20-21页 |
| 1.5 本章小结 | 第21-23页 |
| 2 数据挖掘技术相关介绍 | 第23-29页 |
| 2.1 数据挖掘相关理论 | 第23-24页 |
| 2.1.1 数据挖掘概述 | 第23页 |
| 2.1.2 数据挖掘功能 | 第23-24页 |
| 2.2 数据挖掘流程 | 第24-25页 |
| 2.3 数据挖掘相关 | 第25-27页 |
| 2.3.1 关联规则 | 第26页 |
| 2.3.2 聚类分析 | 第26页 |
| 2.3.3 决策树 | 第26-27页 |
| 2.3.4 神经网络 | 第27页 |
| 2.4 关联规则挖掘算法—Apriori算法 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 3 Apriori算法基本理论及其改进 | 第29-41页 |
| 3.1 Apriori算法 | 第29-31页 |
| 3.2 Apriori算法实现 | 第31-37页 |
| 3.2.1 Apriori算法实现概述 | 第31-32页 |
| 3.2.2 Apriori算法实现 | 第32-37页 |
| 3.3 Apriori算法改进 | 第37-40页 |
| 3.3.1 Apriori算法缺陷分析 | 第37-38页 |
| 3.3.2 Apriori算法改进 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 4 面向货物运输平台关联规则挖掘技术实例分析 | 第41-57页 |
| 4.1 运输数据挖掘功能实例分析 | 第41-43页 |
| 4.1.1 车找货运输数据挖掘功能实例分析 | 第41-42页 |
| 4.1.2 货找车运输数据挖掘功能实例分析 | 第42-43页 |
| 4.2 货物运输平台数据集的设计 | 第43-46页 |
| 4.2.1 货物运输平台数据库设计 | 第43-45页 |
| 4.2.2 货物运输功能数据集规范 | 第45-46页 |
| 4.3 货物运输系统Apriori算法实现 | 第46-55页 |
| 4.3.1 货物信息挖掘—Apriori算法实现 | 第46-52页 |
| 4.3.2 车辆信息挖掘—Apriori算法实现 | 第52-55页 |
| 4.4 本章小结 | 第55-57页 |
| 5 货物运输平台系统设计与实现 | 第57-69页 |
| 5.1 货物运输平台概述 | 第57页 |
| 5.2 系统关键技术分析 | 第57-59页 |
| 5.3 货物运输平台功能模块设计与实现 | 第59-64页 |
| 5.3.1 路况导航 | 第60-61页 |
| 5.3.2 实时路况 | 第61-63页 |
| 5.3.3 特价商城 | 第63-64页 |
| 5.4 数据挖掘及推荐系统功能模块 | 第64-68页 |
| 5.4.1 货找车数据挖掘及推荐模块 | 第64-66页 |
| 5.4.2 车找货数据挖掘及推荐模块 | 第66-68页 |
| 5.5 本章小结 | 第68-69页 |
| 6 总结与展望 | 第69-71页 |
| 6.1 本文总结 | 第69页 |
| 6.2 展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-77页 |
| 个人简历 | 第77页 |
