机译:使用聚类算法降低包装成本的数据挖掘:一个案例研究
Beijing Technol & Business Univ, Sch Business, Beijing, Peoples R China;
Lund Univ, Dept Design Sci, Packaging Logist, Solveg 26, S-22100 Lund, Sweden;
Beijing Wuzi Univ, Sch Logist, Beijing, Peoples R China;
package size; k-means clustering; agglomerative hierarchical clustering; SOFM clustering; case study;
机译:使用聚类算法进行数据挖掘以降低包装成本:案例研究(第30卷,第173页,2017年)
机译:数据挖掘中定制M聚类算法与聚类算法的比较-以潜在客户生成技术为例
机译:使用数据挖掘方法来存储集群以分配汽车零件以降低运输成本
机译:用于数据挖掘算法的低成本节能覆盆子PI集群
机译:在数据挖掘和文本挖掘算法中使用集成方法预测成本超支。
机译:增加可用性算法改进和数据挖掘的结合用于使用重型软件包的蛋白质结构计算
机译:数据挖掘与聚类算法,以减少包装成本:案例研究