电子商务相关技术的研究

论文摘要

随着数据库和信息技术的迅猛发展，通过其得到的快速增长的海量数据因为得不到人们的理解而变为一座座的“数据坟墓”。作为解决这一问题的重要方法，数据挖掘引起了信息产业界的极大关注，对其相关领域技术与方法的研究已成为一个热门学科。作为数据挖掘技术的重要组成部分，关联规则挖掘技术因其广泛应用于发现大量事务商务记录中的相关关系而得到了人们特别的重视。供应链管理则有助于企业对其物流进行更好的优化配置，从而得到越来越多企业的青睐。以上几个方面的研究都在电子商务中占有重要的地位，并日益成为此领域内的研究热点。然而传统技术均存在各种各样的不足，因此迫切需要性能更好、效率更高的新方法。 本文首先引入了人工免疫系统概念，并应用其中的免疫克隆算法对多维关联规则挖掘算法及供应链管理模型求解算法进行了改进。实验证明，改进后的算法无论是在执行效率上，还是在收敛速度上，都比传统算法有了一定的提高。由于克隆算法本身具有的并行性和易操作性，使多维关联规则挖掘这类NP问题得以快速的解决，同时也使供应链求解算法更为快速有效。 本文分析了传统关联规则挖掘方法(Apriori算法、基于进化的关联规则挖掘算法，基于免疫的关联规则挖掘算法)、传统供应链求解算法(基于进化算法的供应链求解算法)的优势和不足，并以此为基础，结合免疫克隆算法，做出了如下创新： 1．关联规则挖掘是NP完全问题。免疫克隆算法具有比遗传算法更加优良的全局和局部寻优能力，本文给出了采用免疫克隆算法进行多维数据挖掘的步骤，并进行了仿真试验。实验证明此算法比传统算法具有更好的性能。 2．提出了基于免疫克隆算法的供应链求解算法。在本文中，通过克隆算法来进行供应链的求解，并进行仿真试验，理论分析和试验结果表明，该算法是可行和有效的，最终取得了比较好的检测结果。本文提出的新方法为供应链求解算法的发展提供了一条新思路。 在本文的最后，对本文提出的算法与传统算法，即Apriori算法、基于进化的关联规则挖掘算法、基于进化的供应链求解算法做了对比，认为：传统方法与免疫克隆方法的融合是提高关联规则挖掘算法和供应链求解算法性能的新途径。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景和意义
• 1.1.1 数据挖掘
• 1.1.2 供应链管理
• 1.2 目前研究状况及发展方向
• 1.2.1 关联规则挖掘
• 1.2.2 供应链模型应用现状
• 1.3 论文研究的意义和所做的工作
• 1.4 本文内容安排
• 第二章 人工免疫系统
• 2.1 免疫系统及其人工免疫系统简介
• 2.1.1 免疫系统概述
• 2.1.2 免疫系统的信息处理特性
• 2.1.3 人工免疫系统的研究背景
• 2.2 人工免疫系统中的主要方法
• 2.2.1 免疫进化算法
• 2.2.2 免疫克隆选择算法
• 2.3 人工免疫系统的应用现状
• 2.3.1 人工智能
• 2.3.2 计算机安全领域
• 2.3.3 智能控制
• 2.3.4 其他工程领域
• 2.4 本章小结
• 第三章 数据挖掘与关联规则挖掘
• 3.1 数据挖掘
• 3.1.1 数据挖掘技术的起源
• 3.1.2 数据挖掘的任务和六种模式
• 3.1.3 数据挖掘技术的分类
• 3.1.4 计算智能方法在数据挖掘中的应用与研究
• 3.2 关联规则挖掘
• 3.2.1 关联规则的基本概念
• 3.2.2 关联规则的种类
• 3.2.3 关联规则挖掘的算法
• 3.2.4 多层和多维关联规则的挖掘
• 3.2.5 关联规则价值衡量的方法
• 3.3 本章小结
• 第四章 基于多克隆选择的多维关联规则挖掘算法
• 4.1 关联规则的一些定义
• 4.2 Apriori算法
• 4.3 基于多克隆选择算法的多维关联规则挖掘算法
• 4.3.1 染色体的编码
• 4.3.2 亲和度函数的构造
• 4.3.3 基于多克隆选择的多维关联规则挖掘算法
• 4.3.4 仿真试验与结果分析
• 4.4 结论
• 第五章 供应链管理及其相关算法
• 5.1 供应链的相关概念和分类
• 5.1.1 供应链定义
• 5.1.2 供应链的分类
• 5.1.3 供应链管理的背景
• 5.2 供应链管理中的各项技术
• 5.2.1 生产／制造系统
• 5.2.2 运输系统和时间表问题
• 5.2.3 库存决策
• 5.3 一些应用于协作管理的算法
• 5.3.1 买方-卖方协作
• 5.3.2 生产-分配协作
• 5.3.3 库存-分配协作
• 5.4 现代供应链的流程构造
• 5.5 本章小结
• 第六章 基于多克隆选择计算的供应链求解算法
• 6.1 用遗传算法求解供应链模型
• 6.2 本文采用的供应链模型
• 6.3 基于克隆算法的供应链求解算法
• 6.3.1 编码、约束条件、亲和度函数的处理
• 6.3.2 算法步骤
• 6.4 仿真试验与结果分析
• 6.5 结论
• 第七章 结论
• 致谢
• 参考文献