基于数据挖掘的货品库位分配策略研究与实现
| 中文摘要 | 第4-5页 |
| 英文摘要 | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8-11页 |
| 1.2 论文研究内容及意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第二章 数据挖掘技术 | 第15-27页 |
| 2.1 数据挖掘技术概述 | 第15-18页 |
| 2.1.1 数据挖掘概念 | 第15-17页 |
| 2.1.2 数据挖掘技术 | 第17-18页 |
| 2.2 聚类分析数据挖掘方法 | 第18-22页 |
| 2.2.1 聚类分析概述 | 第18-19页 |
| 2.2.2 常用聚类分析算法 | 第19-20页 |
| 2.2.3 聚类分析步骤 | 第20-21页 |
| 2.2.4 聚类分析的应用 | 第21-22页 |
| 2.3 关联规则数据挖掘方法 | 第22-25页 |
| 2.3.1 关联规则挖掘方法概述 | 第22页 |
| 2.3.2 常用关联规则挖掘算法 | 第22-24页 |
| 2.3.3 关联规则挖掘步骤 | 第24页 |
| 2.3.4 关联规则挖掘的应用 | 第24-25页 |
| 2.4 算法选择与适配 | 第25-26页 |
| 2.4.1 聚类分析算法选择与适配 | 第25页 |
| 2.4.2 关联规则挖掘算法选择与适配 | 第25-26页 |
| 2.5 货位分配策略 | 第26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 基于数据挖掘的自适应货位分配策略 | 第27-41页 |
| 3.1 问题描述 | 第27页 |
| 3.2 数据选择 | 第27页 |
| 3.3 聚类数据挖掘分配模型 | 第27-36页 |
| 3.3.1 订单数据聚类分析 | 第28-36页 |
| 3.4 关联规则数据挖掘分配模型 | 第36-40页 |
| 3.4.1 订单数据关联规则挖掘 | 第37-38页 |
| 3.4.2 生成关联指数 | 第38-39页 |
| 3.4.3 货位分配模型产生及求解 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 商品存储货位分配策略验证分析 | 第41-56页 |
| 4.1 数据来源 | 第41页 |
| 4.2 验证条件 | 第41-44页 |
| 4.3 货位分配策略验证条件及方法 | 第44-45页 |
| 4.4 聚类方法验证分析 | 第45-52页 |
| 4.4.1 存储分配策略 | 第46页 |
| 4.4.2 计算目标函数 | 第46-47页 |
| 4.4.3 结果分析 | 第47-52页 |
| 4.5 关联规则方法分析 | 第52-54页 |
| 4.6 本章小结 | 第54-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 研究成果 | 第56-57页 |
| 5.2 局限性 | 第57页 |
| 5.3 后续展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 作者简介 | 第61页 |
