| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 数据挖掘研究概况 | 第11-12页 |
| 1.2.2 关联规则研究概况 | 第12-13页 |
| 1.2.3 基于数据挖掘的物流运输的研究概况 | 第13-14页 |
| 1.3 研究目标和内容 | 第14-17页 |
| 第二章 数据挖掘的基本模型及算法 | 第17-25页 |
| 2.1 引言 | 第17页 |
| 2.2 数据挖掘基本模型 | 第17-19页 |
| 2.3 数据挖掘算法分类 | 第19-23页 |
| 2.3.1 分类与回归算法 | 第19-21页 |
| 2.3.2 聚类分析算法 | 第21页 |
| 2.3.3 关联分析算法 | 第21-22页 |
| 2.3.4 异常检测算法 | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 关联规则基本概念及算法研究 | 第25-38页 |
| 3.1 引言 | 第25页 |
| 3.2 关联规则基本概念 | 第25-29页 |
| 3.2.1 规则的定义 | 第25-26页 |
| 3.2.2 规则的产生 | 第26页 |
| 3.2.3 规则的评估 | 第26-29页 |
| 3.3 Apriori算法 | 第29-32页 |
| 3.3.1 Apriori算法描述 | 第29-31页 |
| 3.3.2 Apriori算法实例 | 第31-32页 |
| 3.4 FP增长算法 | 第32-36页 |
| 3.4.1 FP增长算法描述 | 第32-33页 |
| 3.4.2 FP增长算法实例 | 第33-36页 |
| 3.5 算法分析 | 第36-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第四章 基于复杂网络的关联规则算法改进及优化 | 第38-51页 |
| 4.1 引言 | 第38页 |
| 4.2 复杂网络 | 第38-43页 |
| 4.2.1 复杂网络概念 | 第38-39页 |
| 4.2.2 社群发现算法 | 第39-42页 |
| 4.2.3 基于关联规则复杂网络改进的社群划分算法 | 第42-43页 |
| 4.3 基于复杂网络的关联规则改进算法模型 | 第43-50页 |
| 4.3.1 算法模型 | 第44-45页 |
| 4.3.2 算法实例 | 第45-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 基于关联规则的A*改进算法 | 第51-60页 |
| 5.1 引言 | 第51页 |
| 5.2 A*算法概念 | 第51-53页 |
| 5.3 基于关联规则的A*改进算法 | 第53-56页 |
| 5.3.1 算法主要思想 | 第53-54页 |
| 5.3.2 算法步骤流程 | 第54-56页 |
| 5.4 算法实例 | 第56-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第六章 基于物流运输数据的运输分析及优化模型 | 第60-71页 |
| 6.1 引言 | 第60页 |
| 6.2 物流运输分析及优化模型的构建 | 第60-62页 |
| 6.2.1 物流运输分析及优化模型框架 | 第60-61页 |
| 6.2.2 物流运输分析及优化模型具体实现 | 第61-62页 |
| 6.3 运输数据网格划分及处理 | 第62-66页 |
| 6.3.1 运输数据网格划分 | 第62-64页 |
| 6.3.2 运输因素关联分析 | 第64-66页 |
| 6.4 物流运输分析与优化 | 第66-70页 |
| 6.4.1 危险品运输分布分析 | 第66-67页 |
| 6.4.2 多因素物流运输优化 | 第67-70页 |
| 6.5 本章小结 | 第70-71页 |
| 第七章 总结与展望 | 第71-73页 |
| 7.1 研究总结 | 第71-72页 |
| 7.2 研究展望 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 附录 | 第76-77页 |
| 致谢 | 第77-78页 |
| 攻读学位期间发表的学术论文目录 | 第78页 |