基于动态数据挖掘的物流信息智能分析研究

For the bottleneck problem of dynamic logistics information analysis processing in the age of big data, use a combination of relevant advanced theories and technologies of multi-disciplinary field including dynamic data mining, cloud computing, business intelligence, logistics management, knowledge management, and from multiple aspects and perspectives, focus on the research of logistics information intelligence analysis strategy and method，which include dynamic goods traffic flow analysis, logistics business process analysis, logistics market and industry information multidimensional fractal analysis, and other intelligence analysis method, and dynamic analysis strategy. This subject focus on constructing the theoretical framework of dynamic logistics information intelligence analysis system, providing solutions for enterprise logistics information analysis and strategic decision, and providing theoretical support for the construction and development of the related discipline groups.

针对大数据时代动态物流信息资源分析处理中的瓶颈问题，综合运用动态数据挖掘、云计算、商务智能、物流管理、知识管理等多学科领域的相关先进理论方法与技术，从多层面、多角度重点研究物流信息智能分析策略与方法，包括：动态货流信息流分析、物流业务活动流程分析、物流市场与行业信息的多维分形分析等智能分析方法和实时型、分布型、综合型等动态分析策略。本课题着力于构建动态信息资源分析体系的理论框架，为企业物流信息分析与战略决策提供应用方案，为相关学科群的建设与发展提供理论支持

本项目组通过对国内外相关研究成果的梳理，针对动态、分布、异构的物流信息资源，综合利用动态数据挖掘、云计算、物联网、商务智能等学科领域的相关先进理论方法与技术，特别是融合云计算和动态数据挖掘作为关键技术，从多层面、多角度研究了动态物流信息资源的智能分析策略、方法、模型与算法。. 首先探索了基于云计算的动态云挖掘原理，构建了基于云挖掘的物流信息智能分析框架，研究了物流信息智能分析方法——基于云聚类挖掘的物流信息智能分析方法、基于云分类挖掘的物流信息智能分析方法、基于云关联挖掘的物流信息智能分析方法、基于过程挖掘的物流流程信息智能分析方法等。进而，研究了基于动态数据挖掘的物流信息智能分析策略——基于流数据挖掘的物流信息实时分析策略、基于云挖掘的物流信息并行动态分析策略、基于动态关联挖掘的物流信息多主体分析策略、融合物联网与数据挖掘的物流信息处理与分析策略。最后，以基于云聚类挖掘的物流信息分析方法为例，选取数据进行了实验。. 本研究及成果促进了静态的信息分析方法体系向分布、动态的信息分析方法体系拓展，完善和创新了物流信息分析方法体系，有利于提高海量动态物流信息资源的分析能力及效率，实现大、中、小企业的技术及成果共享，为大数据时代提升物流信息化及智能化水平提供了有力支持。