面向资源整合发展的物流企业营销创新方式

贺 杰

(平顶山学院 经济管理学院，河南 平顶山 467000)



面向资源整合发展的物流企业营销创新方式

贺 杰

(平顶山学院 经济管理学院，河南 平顶山 467000)

传统的物流企业营销资源整合方法采用粒子群聚类方法，随着资源信息规模的增大，干扰因素增多，资源整合的融合性不好，导致物流企业营销信息更新滞后.为此，提出一种基于云计算环境下资源信息指向性特征调度的物流企业营销资源整合方法.进行物流企业营销相关信息的时间序列分析，采用自适应级联抗干扰滤波方法对资源整合数据的干扰项进行滤波处理.对输出的资源信息进行关联语义信息特征提取，在云计算环境下进行资源信息的指向性融合，实现资源整合模型改进，通过资源优化整合，进而指导物流企业的营销策略的创新.仿真实验分析表明，该方法对资源整合的融合度较高，提高了信息共享和传输调度能力，促进物流企业营销方式的创新发展．

资源整合；物流；营销；云计算

0 引 言

随着电子商务和电子物流的快速发展，以及交通运输网络的完善，促进了交通的便利性，从而大力催生了物流行业的发展.物流是指为了满足客户的需求而进行货物收发、保管、运输和配送的行业，随着国民经济的飞速发展，中国物流行业保持较快增长速度，物流产业成为关系人们生活和工作的重要支柱性服务产业，物流的畅通与否直接关系到生产生活的任何方面.物流企业的营销是保障物流企业发展和生存的重要一环，影响物流的重要因素在于对物流资源的整合和运用，通过对物流企业营销相关的信息资源优化整合和调度，拓宽物流企业营销的出路，提升物流企业营销发展格局.因此，研究物流资源整合问题在促进物流企业营销创新方面具有重要意义[1]．

物流营销过程主要有运输、仓储、包装、搬运装卸、流通加工、配送等，各个环节和过程都含有大量的资源信息，通过对各个物流营销环节的资源信息融合处理，实现资源整合，促进物流发展.传统方法中，对物流资源整合算法主要有基于粒子群差分进化的资源整合算法、基于相空间重构的物流资源整合算法和基于支持向量机模型的物流营销相关信息资源整合算法等[2-5].上述方法通过对物流营销相关信息进行数据时间序列分析和融合处理，结合资源整合控制模型，实现对物流企业营销相关资源信息的集成调度和融合，提高了物流企业对资源信息的利用率，取得了一定的研究成果.文献[6]采用优先级列表对物流企业营销的信息资源进行融合和调度，提高资源的整合能力，但是该算法计算开销较大，对物流信息特征提取的实时性不好.文献[7]提出一种基于神经网络寻优的PSO遗传进化的物流企业营销相关的信息资源调度算法，采用智能仿生技术进行物流企业营销相关的信息资源调度和网络远程控制，提高物流企业对营销网络和资源整合过程的控制性能，但是该模型在进行物流企业营销相关信息资源调度中，均衡性能不好.文献[8]采用粒子群聚类方法给出物流企业营销资源整合方法，随着资源信息规模的增大，干扰因素增多，资源整合的融合性不好，导致物流企业营销信息更新滞后．

因此，本文提出一种基于云计算环境下资源信息指向性特征调度的物流企业营销资源整合方法.进行物流企业营销相关信息时间序列分析，采用自适应级联抗干扰滤波方法对资源整合数据的干扰项进行滤波处理.对输出的资源信息进行关联语义信息特征提取，在云计算环境下进行资源信息的指向性融合，实现资源整合模型改进，通过资源优化整合，指导物流企业的营销策略的创新.最后通过数据仿真实验进行性能分析，得出有效性结论．

1 时间序列分析与资源信息预处理

1.1 物流企业营销相关信息的时间序列分析

(1)

假设物流企业营销相关资源调度模型在几何向量空间xk=f{xk-1，uk-1，wk-1}是uk维光滑的，构建无向图G=(V，E)物流企业营销相关资源信息的分布特征空间，采用资源信息整合的递归率监测模型，进行时间序列分析，得到物流资源在高维特征子空间中的分布式概率密度函数为

(2)

(3)

(4)

其中，∑k为物流企业营销数据能反应物流运输、仓储相关信息的高斯密度函数；exp[·]为配送以及相关的物流信息的加权之和，U，T，uk三个参量的集合.通过对上述物流企业营销相关的信息资源信息的时间序列分析，以此为数据输入基础，对物流资源信息流进行抗干扰滤波处理．

1.2 物流资源信息的抗干扰滤波

为了提高对物流资源信息的整合能力，进行物流资源信息的抗干扰滤波处理，采用自适应级联抗干扰滤波方法对资源整合数据的干扰项进行滤波处理[14-15]，假设在物流资源信息的状态空间中存在特征干扰项：

(5)

对于存在物流资源干扰和噪声的情形下，资源整合数据在状态空间中的映射为xn→xn+1，采用级联滤波进行资源信息流的滤波处理，得到输出的物流资源时间序列{x(t0+iΔt)}，i=0，1，…，N-1，其在资源整合的相空间任意一点Xn的特征向量描述为

(6)

其中，K=N-(m-1)τ，表示物流企业营销相关信息资源在时间窗的时间延迟；τ为资源整合过程中的相似性概率密度；m为嵌入维数.通过自适应级联滤波，进行干扰抑制，得到滤波函数为

(7)

(8)

通过对输出的资源信息流特征分解，结合滤波结构中隐层第j个节点的资源整合融合度信息，进行关联信息分析，得到输出的关联维为

(9)

其中，Kv(z)表示物流企业营销相关资源信息在服从参数为(α，β)的Weibull分布，通过上述分析.对物流资源信息进行抗干扰滤波，为提高对物流资源信息整合精度奠定基础．

2 信息特征提取及资源整合模型改进实现

2.1 关联语义信息特征提取

在上述进行了物流企业营销相关信息的时间序列分析与资源信息预处理的基础上，进行资源整合算法的改进设计，本文提出一种基于云计算环境下资源信息指向性特征调度的物流企业营销资源整合方法.在云计算环境下进行物流企业营销资源的关联语义信息特征提取，则物流企业营销相关信息的二维离散微分方程描述为

(10)

其中，x=(x1，x2，...，xn)为物流企业营销相关信息资源调度过程中的干扰数据集合；y=F(x)表示物流企业营销相关资源信息整合的时间延迟函数；假设物流企业营销相关信息资源调度的特征矢量集合ni的种类为rj，则资源信息层间限制性通行能力误差为P(ni)={pk|prkj=1，k=1，2，…，m}，采用虚假最近邻点法求得物流企业营销相关信息资源语义特征子空间中的最小嵌入维，在云计算环境下进行信息融合处理，得到在m维相空间语义本体模型矢量为

(11)

式中，对物流企业营销相关的信息时间序列x(t)出现在分布区间i的状态特征进行时域重建，物流企业营销相关资源信息出现在S区域的语义本体特征概为

(12)

(13)

选取云计算环境下资源信息指向性特征互信息曲线I(τ)的第一个最小值特征对应t作为最佳特征匹配时延，进行资源整合模型改进， 通过资源优化整合，指导物流企业的营销策略的创新．

2.2 资源整合模型改进实现

在进行物流企业营销相关信息时间序列分析的基础上，通过在云计算环境下进行资源信息指向性融合，实现资源整合模型改进，采用虚假最近邻点方法获取物流企业营销相关的信息资源流的优先级属性，得到一个调度控制堆栈，定义RTT(Round-Trip Time，往返时延)表示物流企业营销相关的信息资源调度的有向树模型，在资源调度决策树中的每个簇头节点上都记载着信息资源输入数据，得到物流企业营销相关信息资源逻辑信息输入特征集合为

(14)

其中：k为物流企业营销网络节点数；N为物流企业营销网络的资源规模.对物流企业营销数据按照熵编码分配方法，通过控制堆栈得到物流企业营销相关信息资源的包络特征为

(15)

式中，a(t)和θ(t)分别是物流企业营销相关的信息资源的包络幅值和相位信息，在相空间中进行特征矢量重组，得到物流企业营销相关信息资源数据信息流的时间尺度为

(16)

将节点数据群延迟的时频参量按照宽度为Dn分配到调度区间为|dn-max-dn-min|·(1/K)的时间片中，通过经验模态分解，得到物流企业营销相关的信息资源数据子集Ak，Ak为特征子空间的差异集，满足：A1∪A2∪，…，∪Ak=A，且Ai∩Aj=Ω，通过k次经验模特分解，当满足i，j=1，…，m且i≠j，得到物流企业营销相关的信息资源调度节点i的信息熵：

(17)

采用簇内数据相异粒度寻优在uk维特征子空间中进行资源整合，整合矩阵为

(18)

在云计算环境下，对云资源信息数据进行逆模型参数预失真估计，得资源整合的均衡控制的判别式为

(19)

物流企业营销相关的信息资源搜索的语义波束指向性特征矢量为

(20)

为了提高物流企业营销相关信息资源的调度效率，采用高阶混合累积量进行资源整合的后置聚焦处理，计算式为

(21)

其中，物流企业营销相关的信息资源调度广义Fourier变换的k阶累积量为cum(x1，x2，…，xk)，在高阶累积量的聚焦区域，对资源信息流进行特征尺度分解，实现资源整合模型改进设计，通过资源优化整合，指导物流企业的营销策略的创新．

3 仿真实验与结果分析

为了测试改进的物流企业营销资源整合方法在实现物流资源信息整合和调度中的应用性能，进行仿真实验.云计算环境下资源信息整合的仿真平台建立在LabWindows/CVI仿真软件上，基于ANSIC内核的时间驱动快速地编写资源融合和调度算法，并植入到物流企业营销资源整合平台中，通过云计算进行资源信息的时间序列分析.在云计算平台下安装VirtualBox虚拟机，采用C++编译器，在Windows下编辑代码进行算法设计，仿真实验中，首先进行资源特征信息采样，得到物流企业营销资源信息在时频空间中的特征分布结果，如图1所示．

图 1 物流企业营销资源信息在时频空间中的特征分布 图 2 物流资源信息数据的整合输出结果 Fig.1 Feature distribution of logistics enterprise marketing resource information in time Fig.2 Integrated output result of logistics resource information data frequency space

以上述采样数据为研究对象，采用自适应级联抗干扰滤波方法对资源整合数据的干扰项进行滤波处理，对输出的资源信息进行关联语义信息特征提取，在云计算环境下进行资源信息的指向性融合，得到资源信息数据的整合输出结果，如图2所示．从图2可见，采用此方法进行物流企业营销资源整合，能有效实现资源信息的融合.该方法对资源整合的融合度较高，提高了信息共享和传输调度能力.

4 结束语

通过对物流企业营销相关信息资源优化整合和调度，可拓宽物流企业营销的出路，提升物流企业营销发展格局.为此提出一种基于云计算环境下资源信息指向性特征调度的物流企业营销资源整合方法.分析物流企业营销相关信息的时间序列，采用自适应级联抗干扰滤波方法对资源整合数据的干扰项进行滤波处理，关联语义信息特征提取，进行资源信息的指向性融合，实现资源整合模型改进.数据仿真结果表明，该方法对资源整合的融合度较高，提高了信息共享和传输调度能力，促进物流企业营销方式的创新发展．

[1] 贾立双，李家军，冯志涛，等. 深海高可靠声学应答释放器设计与实现[J]. 电子设计工程，2015，23(12):1-3．

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

[2] 张普宁，刘元安，吴帆，等. 物联网中适用于内容搜索的实体状态匹配预测方法[J]. 电子与信息学报，2015，37(12):2815-2820．

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

[3] 崔永君，张永花. 基于特征尺度均衡的Linux系统双阈值任务调度算法[J]. 计算机科学，2015，42(6):181-184．

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

[4] 王晓初，王士同，包芳，等. 最小化类内距离和分类算法[J]. 电子与信息学报，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] 窦慧晶，王千龙，张雪. 基于小波阈值去噪和共轭模糊函数的时频差联合估计算法[J]. 电子与信息学报，2016，38(5):1123-1128．

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

[9] 彭丽英. 改进滑模干扰控制律交通数据反步融合算法[J]. 控制工程，2014，21(4):515-519．

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

[10] 杨宇翔，夏畅雄，同武勤. 高低轨双星定位中的时变时频差参数估计[J]. 信号处理，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，尹晓磊.基于供应链管理的物流企业营销策略[J].物流技术，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．

编辑、校对：师 琅

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

河南省软科学研究计划项目(152400410504)

贺杰(1979—)，男，河南省扶沟县人，平顶山学院讲师，研究方向为企业管理.E-mail:hejie_914@126.com

贺杰.面向资源整合发展的物流企业营销创新方式[J].西安工程大学学报，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