数据挖掘技术在港口企业中的应用研究

论文摘要

改革开放以来,随着我国经济的发展,我国港口企业的生产规模不断扩大。货物进出口数量的急剧增长,港口企业很难凭感觉根据数据的分布找出规律,并根据此规律进行分析决策。因此,必须借助于相应的数据挖掘工具,自动地发现数据中隐藏的规律,为企业的决策提供智能的、自动化的辅助手段。数据挖掘（Data Mining,DM）是一个萃取和展现新知识的流程。通过分析具体数据,发现确定有效的、新颖的、有潜在价值的、以往不为人知的、最终可理解的信息,为企业良好经营和决策部门做出重要决策提供帮助。本文阐述了如何运用关联分析和聚类分析,在港口企业中,实现货物的Apriori数据挖掘算法和企业船舶K均值聚类分析的数据挖掘算法。首先,论文在介绍数据挖掘算法的定义、工作流程及其实现技术分析的基础上,讨论了数据挖掘算法在港口企业中的应用形式和实施步骤。其次,探讨了利用关联规则分析结合数据分类汇总技术进行港口企业的货物关联分析,通过分析,找出货物之间的关联关系,为企业的货物堆放和运输提供决策依据。然后,探讨了利用聚类分析的K-平均值法对港口企业的客户进行聚类分析,通过分析,对船舶进行了分类,为发展潜在船舶提供了依据。在本文中,运用关联规则进行分析,发现了港口企业货物关联主要是水泥、原油和成油,港口企业从这三类货物入手,不断开拓市场。通过聚类分析,发现港口企业的超大型船舶偏少。而且超大型船舶的载货吨数以及装卸时间的比率是最高的,所以港口企业应该积极发展超大型船舶,提高港口企业的生产率,提高港口企业的效益。在小型船舶中,船舶载重数量少,但是装卸作业时间却反而增多,这与小型船舶所载货物是件杂货有关。小型船舶直接影响了港口企业的生产效益。最后,本文设计了一个关联规则分析和聚类分析的系统,可以将本系统悬挂于企业的管理信息系统中用于企业的决策服务。

论文目录

• 摘要
• Abstract
• 第一章 引言
• 1.1 研究背景
• 1.1.1 数据爆炸但知识贫乏
• 1.1.2 支持数据挖掘技术的基础
• 1.1.3 数据挖掘逐渐演变的过程
• 1.2 中国港口企业亟待解决的问题
• 1.3 数据挖掘的研究历史和现状
• 1.3.1 研究历史
• 1.3.2 出版物及工具
• 1.3.3 国内现状
• 1.3.4 业界观点
• 1.4 数据挖掘的热点和未来研究方向
• 1.4.1 研究热点
• 1.4.2 其它方向
• 1.5 课题研究的目的和意义
• 1.5.1 课题研究的目的
• 1.5.2 课题研究的意义
• 1.6 数据挖掘研究内容和本质
• 1.7 数据挖掘技术在港口企业中的应用
• 1.7.1 我国港口企业经营管理现状
• 1.7.2 国外港口企业经营管理现状
• 1.7.3 数据挖掘应用在港口企业渐成热点
• 1.7.4 数据挖掘技术在港口企业中的应用形式
• 1.7.5 港口企业实施数据挖掘的步骤
• 第二章 数据挖掘概述
• 2.1 数据挖掘的定义
• 2.1.1 技术上的定义
• 2.1.2 商业角度的定义
• 2.2 数据挖掘与传统分析方法的区别
• 2.3 数据挖掘的分类及系统结构
• 2.3.1 数据挖掘的分类
• 2.3.2 数据挖掘的系统结构
• 2.4 数据挖掘的功能
• 2.5 数据挖掘的常用技术
• 2.6 关联（Association）规则挖掘
• 2.7 聚类（Clustering）规则挖掘
• 2.8 数据挖掘应考虑的问题
• 第三章 港口企业货物的关联分析
• 3.1 关联分析算法
• 3.1.1 APRIORI算法
• 3.1.2 APRIORI的性质
• 3.1.3 产生关联规则
• 3.2 数据预处理
• 3.2.1 数据的清理
• 3.2.2 数据的转换
• 3.3 数据关联分析
• 3.3.1 规则发现
• 3.3.2 规则可视化
• 第四章 港口企业船舶的聚类分析
• 4.1 聚类所基于的数据类型
• 4.2 聚类分析的方法
• 4.3 船舶聚类的商业分析
• 4.4 船舶聚类的数据分析
• 4.5 船舶聚类的模型建立
• 4.5.1 船舶分群的模型评估
• 4.5.2 船舶分群的模型发布
• 第五章 港口企业的数据挖掘系统实现
• 5.1 系统简介
• 5.2 用户界面与操作简介
• 5.2.1 系统主窗口
• 5.2.2 关联规则分析
• 5.2.3 聚类分析
• 第六章 结论
• 参考文献
• 在学研究成果
• 致谢