一种基于时间序列的RFID供应链数据分析方法(4)

来源：网络收集时间：2026-04-23

导读：多数样本（样本误报测试中，误报比率没有超过３５％，，，，）的误报比率集中在（之间，而只有样２３４５１％，３％）本１误报比率较高．图１（）代表样本１对５组数据集的ｂ误报情况，可见误报趋势基本一致，并

多数样本（样本误报测试中，误报比率没有超过３５％，

，，，）的误报比率集中在（之间，而只有样２３４５１％，３％）本１误报比率较高．图１（）代表样本１对５组数据集的ｂ误报情况，可见误报趋势基本一致，并且偏差不超过１％．

通过图１（）的结果和五组样本对其他数据集的实ａ

验结果表明方法的误报情况都处于比较低的状况（低于５，各样本的误报情况基本稳定，虽然也有个别样％）

本的误报较大，但整体反映了方法对不同样本的有效性．图１（）的结果和其他样本对五组数据集的结果反ｂ

映了同一样本对不同数据的误报情况，不同的数据集的误报情况相差不超过１由于这些数据集的分布５％，基本相同，所以可以看出同一样本对有效范围内的误

报情况也是稳定的；同时对比相同数据集的误报情况，我们发现不同样本对不同数据集的反映是基本一致的（样本１中误报较高的数据集在其它样本中也较高，反

所以我们的方法在样本和数据集不同匹配的之一样）．

情况下具有稳定性，说明了方法是基本有效的．

（）我们收集规模为２的５组不同的样本，并延２００用上面规模为１的５组不同的测试数据集来进行相０００同的误报实验，部分结果如图１（）、（）所示，分别和上ｃｄ面的图１（）、（）对应．图１（）中反映的误报情况基本ａｂｃ低于１与图１（）相比，其结果得到很大的改进，相％，ａ

比样本规模增加了一倍，误报降低了超过了一倍．可见

图１（）当样本规模增大，将有效的提高方法的有效性．ｄ

和图１（）相比，同一样本对不同数据集的误报情况相ｂ

互之间偏差不超过０降低了一倍．可见增大样本５％，规模，建立的检测模型对不同数据的误报情况更加稳定，同时误报情况会极大的下降．

总之，通过上面的分析可以得出，我们的方法的精确程度受到学习样本的影响，不同的样本导致检测模型有不同的精确度，但是通过增加样本规模可以整体极大的提高检测模型的精确度．而且这在实际中是可行的，系统可以不断的收集到海量的有效范围内的数据来供我们抽取样本，所以我们的方法符合实际要求并且有效．

４．２图形化工具

针对本文的Ｒ我们给出ＦＩＤ供应链数据分析方法，了相应的图形化工具，主要描述物品在供应链中的流通路线以及在流通过程中通过数据分析方法检测到的异常．

［］８

首先，我们基于ｇ的基本地理界面和叠ｏｏｇｌｅｍａｐ

的数据收集，我们可以得到物品所经过的地点．所以首先在地图上给出了流通的描述（圆心点标记表示流通经过的地点的仓储，粗折线表示连接仓储之间的运输）如图２所示，我们的图形化工具可以根据（“广州”，．“厦门”，“温州”，“上海”，“无锡”）形式的路线描述给出相应的展示．

其次，描述了检测到的异常情况．如果某段运输的

内容版权归作者所有

加层可视化的描述了供应链中的物品流通，通过ＲＦＩＤ

电子学报2010年2期文档装换有缺失请下载查看完整版

３２

电

子

学

报

年２０１０

，，（）：ｎｏｌｏｇｙ２００７２３／４１７６－１８９．

［］Ｇ，５ｕａｎｇｍｉｎｇＷａｎｇＧｏｎｇｌｉａｎＪｉｎ．ＲｅｓｅａｒｃｈａｎｄｄｅｓｉｇｎｏｆＲＦＩＤ

［］ｄａｔａｐｒｏｃｅｓｓｉｎｇｍｏｄｅｌｂａｓｅｄｏｎｃｏｍｐｌｅｘｅｖｅｎｔｐｒｏｃｅｓｓｉｎｇＡ．

ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＳｏｆｔｗａｒｅ

［］：，ＥｎｇｉｎｅｅｒｉｎｇＣ．ＷａｓｈｉｎｇｔｏｎＩＥＥＥＣｏｍｐｕｔｅｒＳｏｃｉｅｔｙ２００８．１３９６－１３９９．

［］Ｉ，６ＥｎＬｉａｏＷｅｉＣｈｉｈＬｉｎ．Ｓｈｏｐｐｉｎｇｐａｔｈａｎａｌｙｓｉｓａｎｄｔｒａｎｓａｃ

［］，ｔｉｏｎｍｉｎｉｎｇｂａｓｅｄｏｎＲＦＩＤｔｅｃｈｎｏｌｏｇｙＡ．ＲＦＩＤＥｕｒａｓｉａ２００７

［］：，１ｓｔＡｎｎｕａｌＣ．ＷａｓｈｉｎｇｔｏｎＩＥＥＥＣｏｍｐｕｔｅｒＳｏｃｉｅｔｙ２００７．１

数据出现异常，该段的粗折线将被标成细折线；同样，

．－５

当某地的仓储周转数据出现异常，该地点的图标将变

成实心点．

图２中描述了在厦门出现仓储周转异常，以及在温州到上海的运输出现异常．

通过ｇｏｏｇｌｅ

地图这种实时、形象的载体可以有效的体现数据分析的结果，而且可以将数据分析方法封装成服务，让关心供应链流通的人们可方便的从网上了

解到流通的状况．

同时也可以很方便的集成到相关各企业的系统中．

５总结

本文依据实际中供应链在时间和空间方面的ＲＦＩＤ

业务规则将ＲＦＩＤ数据统一规约为时间序列格式，并给出了相应的基于时间序列的数据分析方法，从而提供

了一种检测供应链系统中异常数据的方法．

通过实验，结果表明了该方法是实际可行并且有效的，最后为了更好的描述供应链中数据检测，我们给出了相应的图形化工具，可视化的描述了供应链流通过程以及其中出现的异常情况．在研究过程中，我们发现还有更多的

业务规则可用于ＲＦＩＤ数据的挖掘，

所以下一步工作将围绕特定规则的数据分析方法展开．

参考文献：

［１］ＡｄａｍＭｅｌｓｋｉ，ＬａｒｓＴｈｏｒｏｅ，ＭａｔｔｈｉａｓＳｃｈｕｍａｎｎ．Ｍａｎａｇｉｎｇ

ＲＦＩＤｄａｔａｉｎｓｕｐｐｌｙｃｈａｉｎｓ［Ｊ］．ＩｎｔｅｒｎｅｔＰｒｏｔｏｃｏｌＴｅｃｈｎｏｌｏｇｙ，２００７，２（３／４）：１７６－１８９．

［２］顿海强，赵文．一种基于ＲＦＩＤ数据集的物品工作流挖掘

方法［Ｊ］．电子学报，２００８，３６（１２Ａ）：８６－９３．

ＤｕｎＨａｉｑｉａｎｇ，ＺｈａｏＷｅｎ．Ａｃｏｍｍｏｄｉｔｙｗｏｒｋｆｌｏｗｍｉｎｉｎｇａｐ

ｐｒｏａｃｈｂａｓｅｄｏｎＲＦＩＤｄａｔａｓｅｔｓ［Ｊ］．ＡｃｔａＥｌｅｃｔｒｏｎｉｃａＳｉｎｉｃａ，２００８，３６（１２Ａ）：８６－９３．（ｉｎＣｈｉｎｅｓｅ

）［３］ＪｉｎＸｉｎｇｙｉ，ＬｅｅＸｉａｏｄｏｎｇ，ＫｏｎｇＮｉｎｇ．Ｅｆｆｉｃｉｅｎｔｃｏｍｐｌｅｘｅｖｅｎｔ

ｐｒｏｃｅｓｓｉｎｇｏｖｅｒＲＦＩＤｄａｔａｓｔｒｅａｍ［Ａ］．ＳｅｖｅｎｔｈＩＥＥＥ／ＡＣＩＳＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒａｎｄＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅ

［Ｃ］．Ｗａｓｈｉｎｇｔｏｎ：ＩＥＥＥＣｏｍｐｕｔｅｒＳｏｃｉｅｔｙ，２００８．７５－８１．［４］ＡｄａｍＭｅｌｓｋｉ，ＬａｒｓＴｈｏｒｏｅ，ＭａｔｔｈｉａｓＳｃｈｕｍａｎｎ．Ｍａｎａｇｉｎｇ

ＲＦＩＤｄａｔａｉｎｓｕｐｐｌｙｃｈａｉｎｓ［Ｊ］．Ｉｎｔ．Ｊ．ＩｎｔｅｒｎｅｔＰｒｏｔｏｃｏｌＴｅｃｈ

［７］ＪｉａｗｅｉＨａｎ，ＨｅｃｔｏｒＧｏｎｚａｌｅｚ．Ｗａｒｅｈｏｕｓｉｎｇａｎｄｍｉｎｉｎｇｍａｓｓｉｖｅ

ＲＦＩＤｄａｔａｓｅｔｓ［Ａ］．ＡＤＭＡ２００６［Ｃ］．Ｈｅｉｄｅｌｂｅｒｇ：ＳｐｒｉｎｇｅｒＢｅｒｌｉｎ

，２００６．１－１８．［８］ＧｏｏｇｌｅＭａｐＡＰＩ［ＯＬ］．ｈｔｔｐ：／／ｃｏｄｅ．ｇｏｏｇｌｅ …… 此处隐藏：1327字，全部文档内容请下载后查看。喜欢就下载吧 ……

一种基于时间序列的RFID供应链数据分析方法(4).doc 将本文的Word文档下载到电脑，方便复制、编辑、收藏和打印

下载这篇word文档

本文链接：https://www.jiaowen.net/wenku/269153.html（转载请注明文章来源）

上一篇：2020六年级《道德与法治》下册教学计划
下一篇：高二化学知识点总结