| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-14页 |
| 1.1.1 研究背景 | 第11-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 托盘共用系统国内外研究现状 | 第14-15页 |
| 1.2.2 数据挖掘算法国内外研究现状 | 第15-16页 |
| 1.3 研究内容与思路 | 第16-18页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 研究思路 | 第17-18页 |
| 1.4 本章小结 | 第18-19页 |
| 第2章 托盘流转封闭环的内涵与技术基础 | 第19-32页 |
| 2.1 托盘流转封闭环的内涵 | 第19-20页 |
| 2.2 数据挖掘技术 | 第20-24页 |
| 2.2.1 数据挖掘的内涵 | 第20页 |
| 2.2.2 数据挖掘的类型 | 第20-24页 |
| 2.2.3 数据挖掘在物流中的应用 | 第24页 |
| 2.3 关联规则频繁项集挖掘算法 | 第24-31页 |
| 2.3.1 Apriori关联规则挖掘算法 | 第24-28页 |
| 2.3.2 MC-Paths封闭频繁路径挖掘算法 | 第28-29页 |
| 2.3.3 FP-Growth挖掘算法 | 第29-30页 |
| 2.3.4 算法优劣性分析 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 基于Apriori关联规则算法的封闭环识别 | 第32-44页 |
| 3.1 托盘流转路径封闭环识别的背景与思想 | 第32-33页 |
| 3.1.1 托盘路径封闭环识别的背景 | 第32页 |
| 3.1.2 托盘路径封闭环识别的思想 | 第32-33页 |
| 3.2 基于Apriori算法的托盘流转封闭环识别模型 | 第33-38页 |
| 3.2.1 模型假设 | 第33-34页 |
| 3.2.2 Apriori关联规则挖掘与流向确定 | 第34-36页 |
| 3.2.3 封闭环识别模型构建 | 第36-38页 |
| 3.3 Apriori频繁模式挖掘算法的优化 | 第38-43页 |
| 3.3.1 算法的改进思想 | 第38-39页 |
| 3.3.2 算法步骤与实现 | 第39-41页 |
| 3.3.3 算法实例 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 基于封闭环识别的托盘数据准备 | 第44-55页 |
| 4.1 托盘流转数据来源 | 第44-46页 |
| 4.2 托盘流转数据特点 | 第46-48页 |
| 4.3 托盘流转数据预处理技术 | 第48-54页 |
| 4.3.1 数据筛选与清洗 | 第48-49页 |
| 4.3.2 路径编码 | 第49-51页 |
| 4.3.3 路径压缩 | 第51-53页 |
| 4.3.4 路径切割 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 托盘流转闭环识别案例实现 | 第55-65页 |
| 5.1 模拟托盘流转路径数据集 | 第55-58页 |
| 5.1.1 实验环境 | 第55页 |
| 5.1.2 数据准备 | 第55-56页 |
| 5.1.3 数据预处理 | 第56-58页 |
| 5.2 托盘流转数据封闭环识别 | 第58-63页 |
| 5.2.1 实验参数设置 | 第58页 |
| 5.2.2 两点对流封闭环识别 | 第58-61页 |
| 5.2.3 三点环流封闭环识别 | 第61-63页 |
| 5.3 实验结果分析 | 第63-64页 |
| 5.4 结果应用分析 | 第64页 |
| 5.5 本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第71页 |