全文总字数：1480字

1. 研究目的与意义及国内外研究现状

数据挖掘可以从大量数据中发现有趣模式，其中数据可以存放在数据库、数据仓库或其他信息库中。

关联规则是数据挖掘的一个重要研究分支，其主要的研究目的是从大型数据集中发现隐藏的、有趣的、属性间存在的规律。

物流管理系统中的数据只是单纯的记录和统计，不能达到有效利用。

2. 研究的基本内容

1、熟悉数据挖掘和关联规则相关知识概念；2、分析研究基于支持度-置信度框架的 Apriori 算法并提出改进方案；3、对物流管理系统进行数据集选择及数据预处理；4、将关联规则算法应用于物流管理系统，并编程实现；5、根据得出规则进行分析，提出优化管理措施。

3. 实施方案、进度安排及预期效果

1、实施方案：

（1）建立物流管理系统；（2）提取有用数据；（3）研究运行Apriori算法；（4）将算法运用至系统；（5）根据结论得出相应关联规则。 2、进度安排：准备阶段：2017年11月至2018年2月。确定课题及完成任务书和开题报告，准备数据集。实施阶段：2018年3月至2018年5月。编写程序应用算法，得出结果进行评价，完成论文撰写。成果阶段：2018年5月至2018年6月。整理资料，进行答辩。 3、预期效果： 实现物流管理系统的开发，将数据挖掘的关联规则算法应用到物流管理系统中，以公司销售管理及配送管理的记录数据作为数据挖掘的对象，找出配送信息中货物类型、季节性、目的地信息与销售量之间的关联以及驾驶员、货物类型、目的地、到货破损率之间的关联，并对产生的规则进行解释和分析。

4. 参考文献

[1]jiawei han;micheline kamber.数据挖掘概念与技术.2007

[2]孔佳薇.数据挖掘研究的现状与发展趋势.2010

[3]周翠红.数据挖掘中关联规则的应用.2007