基于并行Apriori的物流路径频繁模式研究

来源：计算机工程与应用杂志2019年第11期北京时间：

作者：曹菁菁1，任欣欣2，徐贤浩2

单位：1.武汉理工大学 物流工程学院，武汉 430063 ；2.华中科技大学 管理学院，武汉 430074

摘要：传统的频繁路径挖掘分析主要通过关联规则算法实现，但其在处理大型数据集时，会产生占用内存过多，数据处理速度慢等问题，对此提出一种基于Fuzzy [c]-means聚类算法的并行Apriori算法模型。该模型通过Fuzzy [c]-means算法完成对原始数据集的聚类分析，将同一区域的物流路径数据划分到内部相似度较高的数据类，并利用Apriori算法对各数据类中的频繁模式进行挖掘分析，进而获得各区域的物流频繁路径。同时通过Hadoop平台实现算法的并行化，有效提高算法运行效率和质量。通过对物流频繁路径的挖掘分析，使管理者更清楚货物流向，可为配送路径优化等决策提供支持。

关键词：大数据,频繁路径,Hadoop,Fuzzy [c]-means聚类算法,Apriori算法