| 摘要 | 第7-11页 |
| Abstract | 第11-15页 |
| 0 绪论 | 第20-42页 |
| 0.1 研究背景与意义 | 第20-27页 |
| 0.1.1 研究背景 | 第20-25页 |
| 0.1.2 研究意义 | 第25-27页 |
| 0.2 国内外研究现状 | 第27-38页 |
| 0.2.1 关于云计算与数据挖掘相结合的研究 | 第27-30页 |
| 0.2.2 关于物流信息智能分析的研究 | 第30-37页 |
| 0.2.3 研究现状简要评述 | 第37-38页 |
| 0.3 研究思路与研究方法 | 第38-39页 |
| 0.3.1 研究思路 | 第38-39页 |
| 0.3.3 研究方法 | 第39页 |
| 0.4 研究内容与创新点 | 第39-42页 |
| 0.4.1 研究内容 | 第39-40页 |
| 0.4.2 主要创新点 | 第40-42页 |
| 1 相关理论与技术基础 | 第42-61页 |
| 1.1 商务智能 | 第42-47页 |
| 1.1.1 商务智能的基本结构 | 第42-44页 |
| 1.1.2 商务智能的核心技术 | 第44-47页 |
| 1.2 云计算 | 第47-60页 |
| 1.2.1 云计算的基本概念与部署模式 | 第47-49页 |
| 1.2.2 云计算的基本架构与主要特点 | 第49-53页 |
| 1.2.3 云计算的实现机制 | 第53页 |
| 1.2.4 云计算的关键技术 | 第53-60页 |
| 1.3 本章小结 | 第60-61页 |
| 2 物流信息分析概述 | 第61-72页 |
| 2.1 物流信息的类型与特点 | 第61-64页 |
| 2.1.1 物流信息的类型 | 第61-63页 |
| 2.1.2 物流信息的特点 | 第63-64页 |
| 2.2 传统物流信息分析 | 第64-69页 |
| 2.2.1 物流信息分析的概念与内容 | 第64-66页 |
| 2.2.2 物流信息分析的一般方法 | 第66-67页 |
| 2.2.3 物流信息分析的基本流程 | 第67-69页 |
| 2.3 物流信息智能分析 | 第69-70页 |
| 2.3.1 物流信息智能分析的本质 | 第69-70页 |
| 2.3.2 物流信息智能分析的特征 | 第70页 |
| 2.4 本章小结 | 第70-72页 |
| 3 物流信息分析利益相关者的需求分析 | 第72-92页 |
| 3.1 物流信息分析利益相关者的内涵 | 第72-79页 |
| 3.1.1 利益相关者概述 | 第72-75页 |
| 3.1.2 物流信息分析利益相关者的界定 | 第75-76页 |
| 3.1.3 物流信息分析利益相关者的构成 | 第76-78页 |
| 3.1.4 物流信息分析利益相关者的特征 | 第78-79页 |
| 3.2 物流信息分析利益相关者的内容需求 | 第79-87页 |
| 3.2.1 核心利益相关者的内容需求 | 第79-84页 |
| 3.2.2 次要利益相关者的内容需求 | 第84-85页 |
| 3.2.3 边缘利益相关者的内容需求 | 第85-87页 |
| 3.3 物流信息分析利益相关者的效能需求 | 第87-91页 |
| 3.3.1 传统物流信息分析的不足 | 第88页 |
| 3.3.2 实现物流信息分析的智能化 | 第88-90页 |
| 3.3.3 物流信息智能分析与传统物流信息分析的差异 | 第90-91页 |
| 3.4 本章小结 | 第91-92页 |
| 4 基于云挖掘的物流信息智能分析体系 | 第92-116页 |
| 4.1 云挖掘 | 第92-99页 |
| 4.1.1 云挖掘的概念界定 | 第92-93页 |
| 4.1.2 云挖掘的平台架构 | 第93-95页 |
| 4.1.3 云挖掘的基本过程 | 第95-96页 |
| 4.1.4 云挖掘的关键技术 | 第96-97页 |
| 4.1.5 云挖掘的主要方法 | 第97-99页 |
| 4.2 基于云挖掘的物流信息智能分析体系的构建目标 | 第99-100页 |
| 4.3 基于云挖掘的物流信息智能分析体系的构建原则 | 第100-101页 |
| 4.4 基于云挖掘的物流信息智能分析体系的构建思路 | 第101-102页 |
| 4.5 基于云挖掘的物流信息智能分析体系的框架结构 | 第102-110页 |
| 4.5.1 逻辑架构 | 第102-104页 |
| 4.5.2 逻辑功能模块 | 第104-108页 |
| 4.5.3 物理架构 | 第108-109页 |
| 4.5.4 主要特点 | 第109-110页 |
| 4.6 基于云挖掘的物流信息智能分析体系的工作原理 | 第110-115页 |
| 4.8 本章小结 | 第115-116页 |
| 5 基于云挖掘的物流信息智能分析方法 | 第116-147页 |
| 5.1 基于云分类挖掘的物流信息智能分析方法 | 第116-122页 |
| 5.1.1 基于云分类挖掘的物流信息智能分析的内涵 | 第116页 |
| 5.1.2 基于云分类挖掘的物流信息智能分析的实现框架 | 第116-118页 |
| 5.1.3 基于云分类挖掘的物流信息智能分析的实现模式 | 第118-119页 |
| 5.1.4 基于云分类挖掘的物流信息智能分析的算法实现 | 第119-122页 |
| 5.2 基于云聚类挖掘的物流信息智能分析方法 | 第122-132页 |
| 5.2.1 基于云聚类挖掘的物流信息智能分析的内涵 | 第122-123页 |
| 5.2.2 基于云聚类挖掘的物流信息智能分析的实现框架 | 第123-125页 |
| 5.2.3 基于云聚类挖掘的物流信息智能分析的实现模式 | 第125-126页 |
| 5.2.4 基于云聚类挖掘的物流信息智能分析的算法实现 | 第126-132页 |
| 5.3 基于云关联挖掘的物流信息智能分析方法 | 第132-140页 |
| 5.3.1 基于云关联挖掘的物流信息智能分析的内涵 | 第132-133页 |
| 5.3.2 基于云关联挖掘的物流信息智能分析的实现框架 | 第133-134页 |
| 5.3.3 基于云关联挖掘的物流信息智能分析的实现模式 | 第134-135页 |
| 5.3.4 基于云关联挖掘的物流信息智能分析的算法实现 | 第135-140页 |
| 5.4 基于云挖掘的物流信息智能分析方法的应用前景 | 第140-145页 |
| 5.5 本章小结 | 第145-147页 |
| 6 基于云聚类挖掘的物流信息智能分析实验 | 第147-160页 |
| 6.1 实验目的与数据准备 | 第147-149页 |
| 6.1.1 实验目的 | 第147-148页 |
| 6.1.2 数据准备 | 第148-149页 |
| 6.2 基于Hadoop实验环境部署 | 第149-155页 |
| 6.2.1 实验环境的搭建 | 第149-150页 |
| 6.2.3 Hadoop环境的搭建 | 第150-155页 |
| 6.3 实验过程与结果分析 | 第155-158页 |
| 6.3.1 实验过程 | 第155页 |
| 6.3.2 实验结果 | 第155-158页 |
| 6.4 基于云挖掘的物流信息智能分析的优势 | 第158页 |
| 6.5 本章小结 | 第158-160页 |
| 7 总结与展望 | 第160-163页 |
| 7.1 研究总结 | 第160-161页 |
| 7.2 研究展望 | 第161-163页 |
| 参考文献 | 第163-178页 |
| 攻读博士学位期间科研情况 | 第178-179页 |
| 致谢 | 第179页 |
