物流时空数据的频繁模式挖掘研究开题报告

 2020-02-10 10:02
1.目的及意义(含国内外的研究现状分析)

1.1研究目的及意义

现在的社会是一个高速发展的社会,科技发达,信息流通,数据不仅已经渗透到每一个行业,也已经渗透到我们生活的方方面面。当今时代,价值含量、挖掘成本比数量更为重要。对于很多行业而言,如何利用这些数据是赢得竞争的关键。通过数据挖掘技术对数据进行挖掘分析,以便将这些数据转换成有用的信息和知识,从而达到降低成本,提高竞争力等目标。

近年来,时空数据已成为数据挖掘领域的研究热点,在国内外赢得了广泛关注。时空数据挖掘作为一个新兴的研究领域,正致力于开发和应用新兴的计算技术来分析海量、高维的时空数据,发掘时空数据中有价值的信息。

对于实时物流来说,预测单个或者一组对象未来的位置或目的地是至关重要的,它能使系统在延误的情况下采取必要的补救措施,避免拥堵,提高效率。

通过RFID、GPS和GIS等技术,收集货物运输过程中产生的位置等相关数据,获取物流路径信息,并利用Weka和Python等软件对路径数据进行挖掘分析,找出频繁路径,对其运动路径进行预测,从而可以优化物流运输环节,降低物流运输成本。

1.2国内外研究现状

近年来,随着数据挖掘技术的不断发展,国内外对物流频繁路径的挖掘研究也有了很大的进展。

Qunying Huang等人提出通过社交媒体网站(即Twitter)捕获的在线足迹探索和挖掘个人频繁访问的区域和轨迹模式,使用DBSCAN聚类算法导出代表个体出现的日常活动区域的频繁访问区域,然后应用轨迹模式挖掘算法来发现个人频繁访问的这些空间区域的有序序列[1]

您需要先支付 5元 才能查看全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找,微信号:bysjorg 、QQ号:3236353895;