基于DKC值的K-means改进聚类算法的研究

由于K-means算法的中心点是随机选择的,这样会导致聚类结果很不稳定,同时,孤立点的存在也会影响到聚类的精度,为解决这些问题及二者之间互相牵制,文章基于DCK值来对初始聚类中心进行选择,同时去除数据中的孤立点,使得聚类中心相对稳定,再利用改进的k-means算法对数据进行聚类,改进后的算法较原始算法更准确。     

基于IOWA算子的组合预测模型在物流需求预测中的应用

根据2000~2009年宁波市物流需求的数据,采用灰色GM 1,,1,模型和一元线性回归模型进行组合优化,建立了基于诱导有序加权平均(IOWA)算子的物流需求量组合预测模型。结果表明基于IOWA算子的组合预测模型能有效提高预测精度,说明了该方法用于物流需求预测的可行性和有效性,并在此基础上对2010~2013年宁波市物流需求作出预测。     

基于聚类分析的安徽省物流需求研究

选择物流需求及物流发展基础两套指标体系,以安徽省17个地级市为样本,运用基于样本聚类的系统聚类方法对两套指标的有关数据分别进行分析,得到安徽省各地级市的物流需求水平及物流发展基础状况的分类情况,最后依据各市两类指标的匹配情况,分析了安徽省区域物流需求的现状,并提出了规划发展的建议。     

基于IOWA算子的灰色—多项式组合模型在武汉市物流需求预测中的应用

针对2002～2009年武汉市物流需求的数据,采用灰色GM 1,1模型和多项式拟合模型两种单项预测模型对数据进行建模预测。并结合组合预测理论,采用基于IOWA算子的组合预测模型进行预测,结果表明基于诱导有序加权平均算子的组合预测模型的预测精度明显高于两种单项预测方法,说明了该方法用于物流需求预测的可行性和有效性,并在此基础上对2010～2012年的武汉市物流需求作出预测。     

基于灰色GM(1,1)模型的河北沿海地区物流需求预测研究

以灰色预测理论为基础,通过不同的原始数据序列构建不同维度的GM(1,1)模型,对其预测精度进行比较;并选取精度最高的模型建立起新陈代谢模型,采用等维灰数递补的动态预测方法,对河北沿海地区"十二五"期间的物流需求进行预测。     

融合灰色理论与马尔科夫链的青岛市物流需求量预测

物流需求预测的准确性对物流基础设施投入和物流政策制定是至关重要的。根据物流需求受经济、社会发展和环境政策等不确定因素影响的特点,融合灰色理论与马尔科夫链,用灰色预测揭示系统时序变化的总体趋势,马尔科夫方法预测序列的随机波动的范围,能够优化灰色预测结果,提高预测的精度。以货运量为物流需求度量指标,建立灰色状态马尔科夫组合预测模型,对十二五期间青岛市物流需求量进行预测,预测结果可为青岛市十二五期间物流发展战略制定、物流服务体系构建和物流园区建设等工作提供理论参考和数据支撑。     

基于BP神经网络模型的煤炭物流需求预测研究

从区域经济与煤炭产业内在关系的视角,对影响煤炭资源富集区物流的各因素进行分析和选择,构建BP神经网络预测模型,并利用Matlab技术对煤炭物流需求进行拟合,随后结合山西省1996-2011年的煤炭物流数据,分别对模型进行预测演练和精度检验,证明该模型应用于煤炭物流需求预测具有可行性和普适性,进一步对2012-2014年的煤炭物流需求进行预测,为现阶段煤炭产业物流的发展提供较为准确的参考。该模型首次采用区域经济指标结合产业发展因素的方法来对煤炭产业物流需求进行预测,在一定程度上反映了煤炭产业发展与煤炭物流需求之间的复杂映射关系,对今后区域内的产业物流需求预测具有重要的指导意义。     

基于GM（1，1）模型的营口港物流需求预测

港口物流规划是港口城市发展现代物流的一项重要内容,其中至关重要的一项就是对港口物流需求进行分析和预测。文中根据营口港物流发展现状,建立了基于GM（1,1）模型的港口物流需求灰色预测模型,并对预测结果进行了检验,通过检验可知GM（1,1）模型有很好的预测精度;同时预测了2012—2015年未来4年的物流需求,为政府进行港口物流规划以及制定相关的港口物流产业政策,促进区域经济与港口物流的整体协调和健康发展提供必要的决策数据。     

基于灰色GM(1,1)模型的河北沿海地区物流需求预测研究

以灰色预测理论为基础.通过不同的原始数据序列构建不同维度的GM(1,1)模型,对其预测精度进行比较;并选取精度最高的模型建立起新陈代谢模型,采用等维灰数递补的动态预测方法,对河北沿海地区“十二五”期间的物流需求进行预测.     

基于灰色组合模型的区域物流需求预测研究

系统分析区域物流需求与相关影响因素关系,建立GM(1,1)、GM(0,N)单项预测模型,基于方差最小化准则构建组合模型,该组合模型克服了单项预测精度及适用条件等局限,改进了现有区域物流需求预测组合模型单因素多种方法简单组合的不足。最后采用2001-2009年安徽省物流需求数据进行实证分析,验证了组合预测模型的有效性。     

基于灰色组合模型的区域物流需求预测研究

系统分析区域物流需求与相关影响因素关系,建立GM(1,1)、GM(0,N)单项预测模型,基于方差最小化准则构建组合模型,该组合模型克服了单项预测精度及适用条件等局限,改进了现有区域物流需求预测组合模型单因素多种方法简单组合的不足.最后采用2001-2009年安徽省物流需求数据进行实证分析,验证了组合预测模型的有效性.     

海南地区航空物流产业发展影响因素实证研究与预测分析

基于灰色关联聚类原理,从供需两个层面选取影响海南地区航空物流业发展的相关指标,通过对2011—2020年相关实际数据进行聚类与关联分析,找出海南地区航空物流产业发展的驱动因素,并基于灰色模型GM(1,1)对海南地区航空物流产业发展的衡量指标——航空货物周转量进行预测,得出海南地区航空物流业的整体水平将呈现出稳中有升的发展趋势,为进一步研究海南地区航空物流业的发展路径提供重要的依据与数据支撑。     

基于支持向量机的城市物流需求预测研究

文章利用支持向量机的非线性能力对历史物流需求量进行学习,获得模型最优参数,对将来物流需求进行预测。文章调研了焦作市历年的城市物流需求数据对模型性能进行测试,测试结果表明,支持向量机针对城市物流需求预测精度较高,为城市物流需求预测提供了有效的方法。     

灰色预测模型在区域物流需求预测中的应用

区域物流需求属于派生需求,由区域经济发展水平决定,对区域经济的发展具有服务引导作用。灰色预测模型具有对数据要求限制少、中短期预测精准等特点,特别适合区域物流需求的预测。文章介绍了灰色预测模型以及在区域物流需求中应用,并结合实例进行了应用研究,通过误差检验,灰色预测模型具有较高的预测精度,是一种非常实用的预测方法.     

基于PLSA模型的观点句聚类算法研究

针对互联网评论文本中观点句情感特征的稀疏性及低频性,提出一种基于概率潜在语义分析(PLSA)模型的观点句聚类算法。利用PLSA对语料库中的观点句进行数据预处理与数据聚类,并以微平均F1为评价指标设计与采用潜在语义分析(LSA)方法的对比实验。分析与研究结果表明:(1)主题数在20附近时,聚类效果最为显著;主题数超过20时,聚类效果随着主题数的增加呈递减趋势,之后聚类效果趋于稳定;(2)与LSA算法相比,PLSA算法显示出较好的聚类效果,数据测试结果验证了该模型的有效性。研究结果对提高信息检索速度与个性化推送服务具有重要意义。     

聚类算法在虚拟物流企业合作伙伴选择问题中的应用

在分析、调研了当前国内外应用于虚拟物流企业合作伙伴选择的各种算法的基础上,针对作为盟主的虚拟物流企业多为资源有限、关系复杂的中小型物流企业的实际情况,提出了用于小型数据集分类的聚类算法进行虚拟物流企业潜在合作伙伴的选择。该算法成熟稳健、简便迅速、花费成本低,能够对中小型物流企业的潜在合作伙伴数据进行快速的数据分类,确定潜在的合作伙伴,作为进行精选和优化组合的依据。通过实例计算进行了潜在合作伙伴和评价参数的分类,得到了聚类图,在合作伙伴的选择上有着较高的实用价值。     

灰色关联理论在物流成本预测中的应用

为了对物流成本进行有效预测,以2000-2010年的物流成本数据为基础,分别采用灰色关联模型、基于最小二乘法的线性回归模型和时间序列模型对物流成本进行预测,并对预测结果进行了对比分析.结果表明,灰色关联预测模型的误差明显小于其他两种预测方法,预测精度最高,对物流成本的预测具有一定的理论价值和参考价值,在一定时期内可以为我国的宏观物流成本决策提供依据.     

ANN分析在广西区域物流需求预测中的应用

由于经济的不确定性、不重复性以及物流统计体系的不健全,造成了相关统计数据不够完备,同时,区域物流网络系统作为经济社会系统的一个子系统,具有数据少和信息不确定等模糊性的特征,使得如何对区域物流网络进行市场需求预测成为一个亟需解决的难题。文中尝试采用可以处理非线性、高度复杂系统的人工神经网络(ANN)方法建立区域物流需求预测模型进行分析,进而确定预测年度物流发展的总体规模。并将该模型应用于广西区域物流需求的实际预测中。     

基于IK-MD-SA聚类算法的电力数据审计疑点研究

为解决电力行业海量非结构化数据导致审计疑点数据效率、准确性低的难题,本文提出了一种基于迭代IK-MD-SA聚类电力大数据审计疑点算法。首先运用相异性度量算法通过构造相异性矩阵和计算均值相异性改进K-means聚类算法选择初始聚类中心,并将簇均值替换为簇中位数完成后续聚类中心迭代,以消离群点影响聚类结果的准确性。然后利用改进的蜂群算法对聚类结果进行优化,使其保证高运行效率的前提下聚类结果仍具有较高准确性。最后,通过离散性电力数据进行识别潜在疑点试验,验证了所提算法的可行性和有效性。     

基于BP神经网络的安徽省物流需求预测研究

利用BP神经网络构建安徽省物流需求预测模型,在初步确定了预测模型的输入指标和输出指标后,通过灰关联分析,验证了两者之间的强关联性。借助MATLAB7.0软件实现了神经网络预测模型的建立,该模型揭示了输入指标与物流需求量指标之间的非线性映射关系。对训练好的网络进行仿真预测,预测精度较高,说明基于BP神经网络的物流需求预测模型是有效的。