面向資源整合發展的物流企業營銷創新方式

賀 杰

(平頂山學院 經濟管理學院，河南 平頂山 467000)

?

面向資源整合發展的物流企業營銷創新方式

賀 杰

(平頂山學院 經濟管理學院，河南 平頂山 467000)

傳統的物流企業營銷資源整合方法采用粒子群聚類方法，隨著資源信息規模的增大，干擾因素增多，資源整合的融合性不好，導致物流企業營銷信息更新滯后.為此，提出一種基于云計算環境下資源信息指向性特征調度的物流企業營銷資源整合方法.進行物流企業營銷相關信息的時間序列分析，采用自適應級聯抗干擾濾波方法對資源整合數據的干擾項進行濾波處理.對輸出的資源信息進行關聯語義信息特征提取，在云計算環境下進行資源信息的指向性融合，實現資源整合模型改進，通過資源優化整合，進而指導物流企業的營銷策略的創新.仿真實驗分析表明，該方法對資源整合的融合度較高，提高了信息共享和傳輸調度能力，促進物流企業營銷方式的創新發展．

資源整合；物流；營銷；云計算

0 引 言

隨著電子商務和電子物流的快速發展，以及交通運輸網絡的完善，促進了交通的便利性，從而大力催生了物流行業的發展.物流是指為了滿足客戶的需求而進行貨物收發、保管、運輸和配送的行業，隨著國民經濟的飛速發展，中國物流行業保持較快增長速度，物流產業成為關系人們生活和工作的重要支柱性服務產業，物流的暢通與否直接關系到生產生活的任何方面.物流企業的營銷是保障物流企業發展和生存的重要一環，影響物流的重要因素在于對物流資源的整合和運用，通過對物流企業營銷相關的信息資源優化整合和調度，拓寬物流企業營銷的出路，提升物流企業營銷發展格局.因此，研究物流資源整合問題在促進物流企業營銷創新方面具有重要意義[1]．

物流營銷過程主要有運輸、倉儲、包裝、搬運裝卸、流通加工、配送等，各個環節和過程都含有大量的資源信息，通過對各個物流營銷環節的資源信息融合處理，實現資源整合，促進物流發展.傳統方法中，對物流資源整合算法主要有基于粒子群差分進化的資源整合算法、基于相空間重構的物流資源整合算法和基于支持向量機模型的物流營銷相關信息資源整合算法等[2-5].上述方法通過對物流營銷相關信息進行數據時間序列分析和融合處理，結合資源整合控制模型，實現對物流企業營銷相關資源信息的集成調度和融合，提高了物流企業對資源信息的利用率，取得了一定的研究成果.文獻[6]采用優先級列表對物流企業營銷的信息資源進行融合和調度，提高資源的整合能力，但是該算法計算開銷較大，對物流信息特征提取的實時性不好.文獻[7]提出一種基于神經網絡尋優的PSO遺傳進化的物流企業營銷相關的信息資源調度算法，采用智能仿生技術進行物流企業營銷相關的信息資源調度和網絡遠程控制，提高物流企業對營銷網絡和資源整合過程的控制性能，但是該模型在進行物流企業營銷相關信息資源調度中，均衡性能不好.文獻[8]采用粒子群聚類方法給出物流企業營銷資源整合方法，隨著資源信息規模的增大，干擾因素增多，資源整合的融合性不好，導致物流企業營銷信息更新滯后．

因此，本文提出一種基于云計算環境下資源信息指向性特征調度的物流企業營銷資源整合方法.進行物流企業營銷相關信息時間序列分析，采用自適應級聯抗干擾濾波方法對資源整合數據的干擾項進行濾波處理.對輸出的資源信息進行關聯語義信息特征提取，在云計算環境下進行資源信息的指向性融合，實現資源整合模型改進，通過資源優化整合，指導物流企業的營銷策略的創新.最后通過數據仿真實驗進行性能分析，得出有效性結論．

1 時間序列分析與資源信息預處理

1.1 物流企業營銷相關信息的時間序列分析

(1)

假設物流企業營銷相關資源調度模型在幾何向量空間xk=f{xk-1，uk-1，wk-1}是uk維光滑的，構建無向圖G=(V，E)物流企業營銷相關資源信息的分布特征空間，采用資源信息整合的遞歸率監測模型，進行時間序列分析，得到物流資源在高維特征子空間中的分布式概率密度函數為

(2)

(3)

(4)

其中，∑k為物流企業營銷數據能反應物流運輸、倉儲相關信息的高斯密度函數；exp[·]為配送以及相關的物流信息的加權之和，U，T，uk三個參量的集合.通過對上述物流企業營銷相關的信息資源信息的時間序列分析，以此為數據輸入基礎，對物流資源信息流進行抗干擾濾波處理．

1.2 物流資源信息的抗干擾濾波

為了提高對物流資源信息的整合能力，進行物流資源信息的抗干擾濾波處理，采用自適應級聯抗干擾濾波方法對資源整合數據的干擾項進行濾波處理[14-15]，假設在物流資源信息的狀態空間中存在特征干擾項：

(5)

對于存在物流資源干擾和噪聲的情形下，資源整合數據在狀態空間中的映射為xn→xn+1，采用級聯濾波進行資源信息流的濾波處理，得到輸出的物流資源時間序列{x(t0+iΔt)}，i=0，1，…，N-1，其在資源整合的相空間任意一點Xn的特征向量描述為

(6)

其中，K=N-(m-1)τ，表示物流企業營銷相關信息資源在時間窗的時間延遲；τ為資源整合過程中的相似性概率密度；m為嵌入維數.通過自適應級聯濾波，進行干擾抑制，得到濾波函數為

(7)

(8)

通過對輸出的資源信息流特征分解，結合濾波結構中隱層第j個節點的資源整合融合度信息，進行關聯信息分析，得到輸出的關聯維為

(9)

其中，Kv(z)表示物流企業營銷相關資源信息在服從參數為(α，β)的Weibull分布，通過上述分析.對物流資源信息進行抗干擾濾波，為提高對物流資源信息整合精度奠定基礎．

2 信息特征提取及資源整合模型改進實現

2.1 關聯語義信息特征提取

在上述進行了物流企業營銷相關信息的時間序列分析與資源信息預處理的基礎上，進行資源整合算法的改進設計，本文提出一種基于云計算環境下資源信息指向性特征調度的物流企業營銷資源整合方法.在云計算環境下進行物流企業營銷資源的關聯語義信息特征提取，則物流企業營銷相關信息的二維離散微分方程描述為

(10)

其中，x=(x1，x2，...，xn)為物流企業營銷相關信息資源調度過程中的干擾數據集合；y=F(x)表示物流企業營銷相關資源信息整合的時間延遲函數；假設物流企業營銷相關信息資源調度的特征矢量集合ni的種類為rj，則資源信息層間限制性通行能力誤差為P(ni)={pk|prkj=1，k=1，2，…，m}，采用虛假最近鄰點法求得物流企業營銷相關信息資源語義特征子空間中的最小嵌入維，在云計算環境下進行信息融合處理，得到在m維相空間語義本體模型矢量為

(11)

式中，對物流企業營銷相關的信息時間序列x(t)出現在分布區間i的狀態特征進行時域重建，物流企業營銷相關資源信息出現在S區域的語義本體特征概為

(12)

(13)

選取云計算環境下資源信息指向性特征互信息曲線I(τ)的第一個最小值特征對應t作為最佳特征匹配時延，進行資源整合模型改進， 通過資源優化整合，指導物流企業的營銷策略的創新．

2.2 資源整合模型改進實現

在進行物流企業營銷相關信息時間序列分析的基礎上，通過在云計算環境下進行資源信息指向性融合，實現資源整合模型改進，采用虛假最近鄰點方法獲取物流企業營銷相關的信息資源流的優先級屬性，得到一個調度控制堆棧，定義RTT(Round-Trip Time，往返時延)表示物流企業營銷相關的信息資源調度的有向樹模型，在資源調度決策樹中的每個簇頭節點上都記載著信息資源輸入數據，得到物流企業營銷相關信息資源邏輯信息輸入特征集合為

(14)

其中：k為物流企業營銷網絡節點數；N為物流企業營銷網絡的資源規模.對物流企業營銷數據按照熵編碼分配方法，通過控制堆棧得到物流企業營銷相關信息資源的包絡特征為

(15)

式中，a(t)和θ(t)分別是物流企業營銷相關的信息資源的包絡幅值和相位信息，在相空間中進行特征矢量重組，得到物流企業營銷相關信息資源數據信息流的時間尺度為

(16)

將節點數據群延遲的時頻參量按照寬度為Dn分配到調度區間為|dn-max-dn-min|·(1/K)的時間片中，通過經驗模態分解，得到物流企業營銷相關的信息資源數據子集Ak，Ak為特征子空間的差異集，滿足：A1∪A2∪，…，∪Ak=A，且Ai∩Aj=Ω，通過k次經驗模特分解，當滿足i，j=1，…，m且i≠j，得到物流企業營銷相關的信息資源調度節點i的信息熵：

(17)

采用簇內數據相異粒度尋優在uk維特征子空間中進行資源整合，整合矩陣為

(18)

在云計算環境下，對云資源信息數據進行逆模型參數預失真估計，得資源整合的均衡控制的判別式為

(19)

物流企業營銷相關的信息資源搜索的語義波束指向性特征矢量為

(20)

為了提高物流企業營銷相關信息資源的調度效率，采用高階混合累積量進行資源整合的后置聚焦處理，計算式為

(21)

其中，物流企業營銷相關的信息資源調度廣義Fourier變換的k階累積量為cum(x1，x2，…，xk)，在高階累積量的聚焦區域，對資源信息流進行特征尺度分解，實現資源整合模型改進設計，通過資源優化整合，指導物流企業的營銷策略的創新．

3 仿真實驗與結果分析

為了測試改進的物流企業營銷資源整合方法在實現物流資源信息整合和調度中的應用性能，進行仿真實驗.云計算環境下資源信息整合的仿真平臺建立在LabWindows/CVI仿真軟件上，基于ANSIC內核的時間驅動快速地編寫資源融合和調度算法，并植入到物流企業營銷資源整合平臺中，通過云計算進行資源信息的時間序列分析.在云計算平臺下安裝VirtualBox虛擬機，采用C++編譯器，在Windows下編輯代碼進行算法設計，仿真實驗中，首先進行資源特征信息采樣，得到物流企業營銷資源信息在時頻空間中的特征分布結果，如圖1所示．

圖 1 物流企業營銷資源信息在時頻空間中的特征分布 圖 2 物流資源信息數據的整合輸出結果 Fig.1 Feature distribution of logistics enterprise marketing resource information in time Fig.2 Integrated output result of logistics resource information data frequency space

以上述采樣數據為研究對象，采用自適應級聯抗干擾濾波方法對資源整合數據的干擾項進行濾波處理，對輸出的資源信息進行關聯語義信息特征提取，在云計算環境下進行資源信息的指向性融合，得到資源信息數據的整合輸出結果，如圖2所示．從圖2可見，采用此方法進行物流企業營銷資源整合，能有效實現資源信息的融合.該方法對資源整合的融合度較高，提高了信息共享和傳輸調度能力.

4 結束語

通過對物流企業營銷相關信息資源優化整合和調度，可拓寬物流企業營銷的出路，提升物流企業營銷發展格局.為此提出一種基于云計算環境下資源信息指向性特征調度的物流企業營銷資源整合方法.分析物流企業營銷相關信息的時間序列，采用自適應級聯抗干擾濾波方法對資源整合數據的干擾項進行濾波處理，關聯語義信息特征提取，進行資源信息的指向性融合，實現資源整合模型改進.數據仿真結果表明，該方法對資源整合的融合度較高，提高了信息共享和傳輸調度能力，促進物流企業營銷方式的創新發展．

[1] 賈立雙，李家軍，馮志濤，等. 深海高可靠聲學應答釋放器設計與實現[J]. 電子設計工程，2015，23(12):1-3．

JIALishuang，LIJiajun，FENGZhitao，etal.Designandrealizationofdeep-seareliableacousticreleaser[J].ElectronicDesignEngineering，2015，23(12):1-3．

[2] 張普寧，劉元安，吳帆，等. 物聯網中適用于內容搜索的實體狀態匹配預測方法[J]. 電子與信息學報，2015，37(12):2815-2820．

ZHANGPuning，LIUYuanan，WUFan，etal.Anentitystatematchingpredictionmethodforcontent-basedsearchintheinternetofthings[J].JournalofElectronics&InformationTechnology，2015，37(12):2815-2820．

[3] 崔永君，張永花. 基于特征尺度均衡的Linux系統雙閾值任務調度算法[J]. 計算機科學，2015，42(6):181-184．

CUIYongjun，ZHANGYonghua.Linuxsystemdualthresholdschedulingalgorithmbasedoncharacteristicscaleequilibrium[J].ComputerScience，2015，42(6):181-184．

[4] 王曉初，王士同，包芳，等. 最小化類內距離和分類算法[J]. 電子與信息學報，2016，38(3):532-540．

WANGXiaochu，WANGShitong，BAOFang，etal.Intraclassdistancesumminimizationbasedclassificationalgorithm[J].JournalofElectronics&InformationTechnology，2016，38(3):532-540．

[5]DUFRENOISF.Aoneclasskernelfishercriterionforoutlierdetection[J].IEEETransactionsonNeuralNetworks&LearningSystems，2014，26(5):982-994．

[6]SEOKK.Semi-supervisedregressionbasedonsupportvectormachine[J].ComputerEngineering&Applications，2014，25(2):447-454．

[7]PLANY，VERSHYNINR.Robust1-bitcompressedsensingandsparselogisticregression:Aconvexprogrammingapproach[J].IEEETransactionsonInformationTheory，2013，59(1):482-494．

[8] 竇慧晶，王千龍，張雪. 基于小波閾值去噪和共軛模糊函數的時頻差聯合估計算法[J]. 電子與信息學報，2016，38(5):1123-1128．

DOUHuijing，WANGQianlong，ZHANGXue.AjointestimationalgorithmofTDOAandFDOAbasedonwaveletthresholdde-noisingandconjugatefuzzyfunction[J].JournalofElectronics&InformationTechnology，2016，38(5):1123-1128．

[9] 彭麗英. 改進滑模干擾控制律交通數據反步融合算法[J]. 控制工程，2014，21(4):515-519．

PENGLiying.Trafficdataantistepfusionalgorithmbasedonimprovedslidingmodedisturbancecontrolrule[J].ControlEngineeringofChina，2014，21(4):515-519．

[10] 楊宇翔，夏暢雄，同武勤. 高低軌雙星定位中的時變時頻差參數估計[J]. 信號處理，2012，28(10):1465-1474．

YANGYuxiang，XIAChangxiong，TONGWuqin.EstimationofthetimevaryingTDOAandFDOAinGEO-LEOdualsatelliteslocationsystem[J].SignalProcessing，2012，28(10):1465-1474．

[11]NGUYENTC，SHENW，LUOZ，etal.Noveldataintegrityverificationschemesincloudstorage[M].Switzerland：SpringerInternationalPublishing，2015，12(36):115-125．

[12]HAOSG，ZHANGL，MUHAMMADG.Aunionauthenticationprotocolofcrossdomainbasedonbilinearpairing[J].JournalofSoftware，2013，8(5):1094-1100．

[13]ELDEMERDASHYA，DOBREOA，LIAOBJ.BlindidentificationofSMandalamoutiSTBC-OFDMsignals[J].IEEETransactionsonWirelessCommunications，2015，14(2):972-982．

[14] 邢同喜，尹曉磊.基于供應鏈管理的物流企業營銷策略[J].物流技術，2014，33(12)：159-161.

XINGTongxi,YINXiaolei.Studyonmarketingstrategyoflogisticsenterprisesbasedonsupplychainmanagement[J].LogisticsTechnology, 2014，33(12)：159-161.

[15]STOEANC，PREUSSM，STOEANR，etal.Multimodaloptimizationbymeansofatopologicalspeciesconservationalgorithm[J].IEEETransonEvolutionaryComputation，2010，14(6):842-864．

編輯、校對：師 瑯

Study on marketing innovation mode of logistics enterprises in the development of resource integration

HE Jie

(Economic Management Institute， Pingdingshan University， Pingdingshan 467000，Henan，China)

Traditional logistics enterprise marketing resources integration method uses particle swarm clustering method.But with the increase of information resources，and the interference factors， fusion of the resource integration is unpleasant, resulting in delays in logistics enterprise marketing information updates.A logistics enterprise marketing resources integration method based on the characteristic of resource information in the cloud computing environment is thus proposed. The time series analysis of marketing related information is carried out， and the interference terms of resource integration data are filtered by the adaptive filtering method. Semantic correlation information feature extraction is conducted on the output of information resources， in the cloud computing environment of information resources point of fusion， to realize the resource integration model improve， through resource integration and optimization， and to guide the innovation of logistics enterprise marketing strategy. Simulation experiment shows that this method has a high degree of integration of resources integration， improve the ability of information sharing and transmission scheduling， and promote the innovation and development of logistics enterprise marketing methods．

resource integration; logistics; marketing; cloud computing

1674-649X(2016)04-0528-06

10.13338/j.issn.1674-649x.2016.04.021

2016-01-09

河南省軟科學研究計劃項目(152400410504)

賀杰(1979—)，男，河南省扶溝縣人，平頂山學院講師，研究方向為企業管理.E-mail:hejie_914@126.com

賀杰.面向資源整合發展的物流企業營銷創新方式[J].西安工程大學學報，2016，30(4)：528-533.

HE Jie.Study on marketing innovation mode of logistics enterprises in the development of resource integration[J].Journal of Xi′an Polytechnic University,2016，30(4)：528-533.

TP 391

A