首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

频繁模式挖掘技术研究及其在供应链管理中的应用

中文摘要第1-4页
ABSTRACT第4-9页
第一章 绪论第9-21页
   ·论文研究的应用背景第9-12页
     ·数据挖掘技术的应用第10-11页
     ·关联规则挖掘的应用第11-12页
     ·数据挖掘在供应链管理中的应用第12页
   ·研究现状及存在的主要问题第12-18页
     ·频繁项集挖掘研究现状及存在的问题第13-17页
     ·并行计算环境第17-18页
   ·本文主要研究工作和创新之处第18-19页
   ·论文结构第19-21页
第二章 相关研究基础第21-39页
   ·数据挖掘基本知识第21-23页
   ·关联规则和频繁模式第23-24页
   ·频繁模式挖掘研究现状第24-33页
     ·串行频繁项集挖掘算法研究现状第24-30页
     ·并行频繁项集挖掘算法研究现状第30-33页
   ·并行计算环境概述第33-37页
     ·并行计算环境分类第33-35页
     ·面向视图的并行编程第35-37页
   ·本章小结第37-39页
第三章 基于CD算法的频繁模式挖掘改进方法研究第39-61页
   ·问题的提出第39-40页
   ·CD算法及改进思想第40-42页
     ·CD算法第40-41页
     ·对CD算法的改进思想第41-42页
   ·带有事务删减的Counting Distribution算法CDTR第42-45页
     ·CDTR算法第42-44页
     ·CDTR算法中的视图维护第44-45页
   ·数据预处理第45-53页
     ·聚类方法概述第45-47页
     ·相似度矩阵第47-50页
     ·改进的凝聚层次聚类第50-51页
     ·示例第51-53页
   ·相关实验及结果第53-59页
     ·环境及数据集说明第53-54页
     ·聚类算法性能实验第54-55页
     ·CDTR算法性能实验第55-59页
   ·本章小结第59-61页
第四章 多重支持度频繁模式挖掘方法研究第61-75页
   ·问题提出第61-63页
   ·RFP-tree上多重支持度频繁模式挖掘第63-67页
     ·RFP-tree定义第63-64页
     ·从RFP-tree上发现频繁模式第64-67页
   ·在VODCA上构建RFP-tree第67-70页
     ·问题中的视图划分第67页
     ·RFP-tree的构建第67-69页
     ·RFP-tree的合并第69-70页
   ·相关实验及结果第70-74页
   ·本章小结第74-75页
第五章 稀疏数据源频繁模式挖掘并行算法研究第75-87页
   ·问题的提出第75-76页
   ·频繁模式挖掘中使用的数据结构概述第76-77页
   ·稀疏数据源的压缩表示方法第77-80页
     ·稀疏数据的二元表示和压缩策略第77-79页
     ·链表结构体FI-list的设计第79-80页
   ·稀疏数据源频繁模式挖掘算法第80-83页
     ·FI-list的构造第80-81页
     ·问题中的视图定义第81-82页
     ·任务分配方案第82页
     ·算法描述第82-83页
   ·相关实验第83-86页
   ·本章小结第86-87页
第六章 再制造系统回收商选择中的关联规则挖掘应用第87-98页
   ·再制造/制造集成系统及供应链概述第87-88页
   ·问题的提出第88-89页
   ·回收商绩效评价系统的设计第89-95页
     ·回收商的特征属性选取第90-92页
     ·系统结构第92-93页
     ·数据预处理第93-95页
   ·关联规则在回收商绩效评价中的应用第95-96页
   ·本章小结第96-98页
第七章 关联规则在拆解中心选址问题中的应用第98-104页
   ·问题描述第98-100页
   ·拆解中心利润预测模型第100-102页
   ·模型求解第102-103页
     ·影响因素第102页
     ·关联规则在模型求解中的应用第102-103页
   ·本章小结第103-104页
第八章 结论与展望第104-107页
   ·全文总结第104-105页
   ·进一步的工作第105-107页
参考文献第107-115页
发表论文和科研情况说明第115-116页
致谢第116页

论文共116页,点击 下载论文
上一篇:语义Web服务自动组合及验证的研究
下一篇:面向芯片封装的机器视觉精密定位系统的研究