面向資源整合發(fā)展的物流企業(yè)營(yíng)銷創(chuàng)新方式

賀 杰

(平頂山學(xué)院 經(jīng)濟(jì)管理學(xué)院，河南 平頂山 467000)

?

面向資源整合發(fā)展的物流企業(yè)營(yíng)銷創(chuàng)新方式

賀 杰

(平頂山學(xué)院 經(jīng)濟(jì)管理學(xué)院，河南 平頂山 467000)

傳統(tǒng)的物流企業(yè)營(yíng)銷資源整合方法采用粒子群聚類方法，隨著資源信息規(guī)模的增大，干擾因素增多，資源整合的融合性不好，導(dǎo)致物流企業(yè)營(yíng)銷信息更新滯后.為此，提出一種基于云計(jì)算環(huán)境下資源信息指向性特征調(diào)度的物流企業(yè)營(yíng)銷資源整合方法.進(jìn)行物流企業(yè)營(yíng)銷相關(guān)信息的時(shí)間序列分析，采用自適應(yīng)級(jí)聯(lián)抗干擾濾波方法對(duì)資源整合數(shù)據(jù)的干擾項(xiàng)進(jìn)行濾波處理.對(duì)輸出的資源信息進(jìn)行關(guān)聯(lián)語(yǔ)義信息特征提取，在云計(jì)算環(huán)境下進(jìn)行資源信息的指向性融合，實(shí)現(xiàn)資源整合模型改進(jìn)，通過(guò)資源優(yōu)化整合，進(jìn)而指導(dǎo)物流企業(yè)的營(yíng)銷策略的創(chuàng)新.仿真實(shí)驗(yàn)分析表明，該方法對(duì)資源整合的融合度較高，提高了信息共享和傳輸調(diào)度能力，促進(jìn)物流企業(yè)營(yíng)銷方式的創(chuàng)新發(fā)展．

資源整合；物流；營(yíng)銷；云計(jì)算

0 引 言

隨著電子商務(wù)和電子物流的快速發(fā)展，以及交通運(yùn)輸網(wǎng)絡(luò)的完善，促進(jìn)了交通的便利性，從而大力催生了物流行業(yè)的發(fā)展.物流是指為了滿足客戶的需求而進(jìn)行貨物收發(fā)、保管、運(yùn)輸和配送的行業(yè)，隨著國(guó)民經(jīng)濟(jì)的飛速發(fā)展，中國(guó)物流行業(yè)保持較快增長(zhǎng)速度，物流產(chǎn)業(yè)成為關(guān)系人們生活和工作的重要支柱性服務(wù)產(chǎn)業(yè)，物流的暢通與否直接關(guān)系到生產(chǎn)生活的任何方面.物流企業(yè)的營(yíng)銷是保障物流企業(yè)發(fā)展和生存的重要一環(huán)，影響物流的重要因素在于對(duì)物流資源的整合和運(yùn)用，通過(guò)對(duì)物流企業(yè)營(yíng)銷相關(guān)的信息資源優(yōu)化整合和調(diào)度，拓寬物流企業(yè)營(yíng)銷的出路，提升物流企業(yè)營(yíng)銷發(fā)展格局.因此，研究物流資源整合問(wèn)題在促進(jìn)物流企業(yè)營(yíng)銷創(chuàng)新方面具有重要意義[1]．

物流營(yíng)銷過(guò)程主要有運(yùn)輸、倉(cāng)儲(chǔ)、包裝、搬運(yùn)裝卸、流通加工、配送等，各個(gè)環(huán)節(jié)和過(guò)程都含有大量的資源信息，通過(guò)對(duì)各個(gè)物流營(yíng)銷環(huán)節(jié)的資源信息融合處理，實(shí)現(xiàn)資源整合，促進(jìn)物流發(fā)展.傳統(tǒng)方法中，對(duì)物流資源整合算法主要有基于粒子群差分進(jìn)化的資源整合算法、基于相空間重構(gòu)的物流資源整合算法和基于支持向量機(jī)模型的物流營(yíng)銷相關(guān)信息資源整合算法等[2-5].上述方法通過(guò)對(duì)物流營(yíng)銷相關(guān)信息進(jìn)行數(shù)據(jù)時(shí)間序列分析和融合處理，結(jié)合資源整合控制模型，實(shí)現(xiàn)對(duì)物流企業(yè)營(yíng)銷相關(guān)資源信息的集成調(diào)度和融合，提高了物流企業(yè)對(duì)資源信息的利用率，取得了一定的研究成果.文獻(xiàn)[6]采用優(yōu)先級(jí)列表對(duì)物流企業(yè)營(yíng)銷的信息資源進(jìn)行融合和調(diào)度，提高資源的整合能力，但是該算法計(jì)算開(kāi)銷較大，對(duì)物流信息特征提取的實(shí)時(shí)性不好.文獻(xiàn)[7]提出一種基于神經(jīng)網(wǎng)絡(luò)尋優(yōu)的PSO遺傳進(jìn)化的物流企業(yè)營(yíng)銷相關(guān)的信息資源調(diào)度算法，采用智能仿生技術(shù)進(jìn)行物流企業(yè)營(yíng)銷相關(guān)的信息資源調(diào)度和網(wǎng)絡(luò)遠(yuǎn)程控制，提高物流企業(yè)對(duì)營(yíng)銷網(wǎng)絡(luò)和資源整合過(guò)程的控制性能，但是該模型在進(jìn)行物流企業(yè)營(yíng)銷相關(guān)信息資源調(diào)度中，均衡性能不好.文獻(xiàn)[8]采用粒子群聚類方法給出物流企業(yè)營(yíng)銷資源整合方法，隨著資源信息規(guī)模的增大，干擾因素增多，資源整合的融合性不好，導(dǎo)致物流企業(yè)營(yíng)銷信息更新滯后．

因此，本文提出一種基于云計(jì)算環(huán)境下資源信息指向性特征調(diào)度的物流企業(yè)營(yíng)銷資源整合方法.進(jìn)行物流企業(yè)營(yíng)銷相關(guān)信息時(shí)間序列分析，采用自適應(yīng)級(jí)聯(lián)抗干擾濾波方法對(duì)資源整合數(shù)據(jù)的干擾項(xiàng)進(jìn)行濾波處理.對(duì)輸出的資源信息進(jìn)行關(guān)聯(lián)語(yǔ)義信息特征提取，在云計(jì)算環(huán)境下進(jìn)行資源信息的指向性融合，實(shí)現(xiàn)資源整合模型改進(jìn)，通過(guò)資源優(yōu)化整合，指導(dǎo)物流企業(yè)的營(yíng)銷策略的創(chuàng)新.最后通過(guò)數(shù)據(jù)仿真實(shí)驗(yàn)進(jìn)行性能分析，得出有效性結(jié)論．

1 時(shí)間序列分析與資源信息預(yù)處理

1.1 物流企業(yè)營(yíng)銷相關(guān)信息的時(shí)間序列分析

(1)

假設(shè)物流企業(yè)營(yíng)銷相關(guān)資源調(diào)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(gòu)建無(wú)向圖G=(V，E)物流企業(yè)營(yíng)銷相關(guān)資源信息的分布特征空間，采用資源信息整合的遞歸率監(jiān)測(cè)模型，進(jìn)行時(shí)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(shù)為

(2)

(3)

(4)

其中，∑k為物流企業(yè)營(yíng)銷數(shù)據(jù)能反應(yīng)物流運(yùn)輸、倉(cāng)儲(chǔ)相關(guān)信息的高斯密度函數(shù)；exp[·]為配送以及相關(guān)的物流信息的加權(quán)之和，U，T，uk三個(gè)參量的集合.通過(guò)對(duì)上述物流企業(yè)營(yíng)銷相關(guān)的信息資源信息的時(shí)間序列分析，以此為數(shù)據(jù)輸入基礎(chǔ)，對(duì)物流資源信息流進(jìn)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(duì)物流資源信息的整合能力，進(jìn)行物流資源信息的抗干擾濾波處理，采用自適應(yīng)級(jí)聯(lián)抗干擾濾波方法對(duì)資源整合數(shù)據(jù)的干擾項(xiàng)進(jìn)行濾波處理[14-15]，假設(shè)在物流資源信息的狀態(tài)空間中存在特征干擾項(xiàng)：

(5)

對(duì)于存在物流資源干擾和噪聲的情形下，資源整合數(shù)據(jù)在狀態(tài)空間中的映射為xn→xn+1，采用級(jí)聯(lián)濾波進(jìn)行資源信息流的濾波處理，得到輸出的物流資源時(shí)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(diǎn)Xn的特征向量描述為

(6)

其中，K=N-(m-1)τ，表示物流企業(yè)營(yíng)銷相關(guān)信息資源在時(shí)間窗的時(shí)間延遲；τ為資源整合過(guò)程中的相似性概率密度；m為嵌入維數(shù).通過(guò)自適應(yīng)級(jí)聯(lián)濾波，進(jìn)行干擾抑制，得到濾波函數(shù)為

(7)

(8)

通過(guò)對(duì)輸出的資源信息流特征分解，結(jié)合濾波結(jié)構(gòu)中隱層第j個(gè)節(jié)點(diǎn)的資源整合融合度信息，進(jìn)行關(guān)聯(lián)信息分析，得到輸出的關(guān)聯(lián)維為

(9)

其中，Kv(z)表示物流企業(yè)營(yíng)銷相關(guān)資源信息在服從參數(shù)為(α，β)的Weibull分布，通過(guò)上述分析.對(duì)物流資源信息進(jìn)行抗干擾濾波，為提高對(duì)物流資源信息整合精度奠定基礎(chǔ)．

2 信息特征提取及資源整合模型改進(jìn)實(shí)現(xiàn)

2.1 關(guān)聯(lián)語(yǔ)義信息特征提取

在上述進(jìn)行了物流企業(yè)營(yíng)銷相關(guān)信息的時(shí)間序列分析與資源信息預(yù)處理的基礎(chǔ)上，進(jìn)行資源整合算法的改進(jìn)設(shè)計(jì)，本文提出一種基于云計(jì)算環(huán)境下資源信息指向性特征調(diào)度的物流企業(yè)營(yíng)銷資源整合方法.在云計(jì)算環(huán)境下進(jìn)行物流企業(yè)營(yíng)銷資源的關(guān)聯(lián)語(yǔ)義信息特征提取，則物流企業(yè)營(yíng)銷相關(guān)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(yè)營(yíng)銷相關(guān)信息資源調(diào)度過(guò)程中的干擾數(shù)據(jù)集合；y=F(x)表示物流企業(yè)營(yíng)銷相關(guān)資源信息整合的時(shí)間延遲函數(shù)；假設(shè)物流企業(yè)營(yíng)銷相關(guān)信息資源調(diào)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(diǎn)法求得物流企業(yè)營(yíng)銷相關(guān)信息資源語(yǔ)義特征子空間中的最小嵌入維，在云計(jì)算環(huán)境下進(jìn)行信息融合處理，得到在m維相空間語(yǔ)義本體模型矢量為

(11)

式中，對(duì)物流企業(yè)營(yíng)銷相關(guān)的信息時(shí)間序列x(t)出現(xiàn)在分布區(qū)間i的狀態(tài)特征進(jìn)行時(shí)域重建，物流企業(yè)營(yíng)銷相關(guān)資源信息出現(xiàn)在S區(qū)域的語(yǔ)義本體特征概為

(12)

(13)

選取云計(jì)算環(huán)境下資源信息指向性特征互信息曲線I(τ)的第一個(gè)最小值特征對(duì)應(yīng)t作為最佳特征匹配時(shí)延，進(jìn)行資源整合模型改進(jìn)， 通過(guò)資源優(yōu)化整合，指導(dǎo)物流企業(yè)的營(yíng)銷策略的創(chuàng)新．

2.2 資源整合模型改進(jìn)實(shí)現(xiàn)

在進(jìn)行物流企業(yè)營(yíng)銷相關(guān)信息時(shí)間序列分析的基礎(chǔ)上，通過(guò)在云計(jì)算環(huán)境下進(jìn)行資源信息指向性融合，實(shí)現(xiàn)資源整合模型改進(jìn)，采用虛假最近鄰點(diǎn)方法獲取物流企業(yè)營(yíng)銷相關(guān)的信息資源流的優(yōu)先級(jí)屬性，得到一個(gè)調(diào)度控制堆棧，定義RTT(Round-Trip Time，往返時(shí)延)表示物流企業(yè)營(yíng)銷相關(guān)的信息資源調(diào)度的有向樹(shù)模型，在資源調(diào)度決策樹(shù)中的每個(gè)簇頭節(jié)點(diǎn)上都記載著信息資源輸入數(shù)據(jù)，得到物流企業(yè)營(yíng)銷相關(guān)信息資源邏輯信息輸入特征集合為

(14)

其中：k為物流企業(yè)營(yíng)銷網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)；N為物流企業(yè)營(yíng)銷網(wǎng)絡(luò)的資源規(guī)模.對(duì)物流企業(yè)營(yíng)銷數(shù)據(jù)按照熵編碼分配方法，通過(guò)控制堆棧得到物流企業(yè)營(yíng)銷相關(guān)信息資源的包絡(luò)特征為

(15)

式中，a(t)和θ(t)分別是物流企業(yè)營(yíng)銷相關(guān)的信息資源的包絡(luò)幅值和相位信息，在相空間中進(jìn)行特征矢量重組，得到物流企業(yè)營(yíng)銷相關(guān)信息資源數(shù)據(jù)信息流的時(shí)間尺度為

(16)

將節(jié)點(diǎn)數(shù)據(jù)群延遲的時(shí)頻參量按照寬度為Dn分配到調(diào)度區(qū)間為|dn-max-dn-min|·(1/K)的時(shí)間片中，通過(guò)經(jīng)驗(yàn)?zāi)B(tài)分解，得到物流企業(yè)營(yíng)銷相關(guān)的信息資源數(shù)據(jù)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(guò)k次經(jīng)驗(yàn)?zāi)Ｌ胤纸?，?dāng)滿足i，j=1，…，m且i≠j，得到物流企業(yè)營(yíng)銷相關(guān)的信息資源調(diào)度節(jié)點(diǎn)i的信息熵：

(17)

采用簇內(nèi)數(shù)據(jù)相異粒度尋優(yōu)在uk維特征子空間中進(jìn)行資源整合，整合矩陣為

(18)

在云計(jì)算環(huán)境下，對(duì)云資源信息數(shù)據(jù)進(jìn)行逆模型參數(shù)預(yù)失真估計(jì)，得資源整合的均衡控制的判別式為

(19)

物流企業(yè)營(yíng)銷相關(guān)的信息資源搜索的語(yǔ)義波束指向性特征矢量為

(20)

為了提高物流企業(yè)營(yíng)銷相關(guān)信息資源的調(diào)度效率，采用高階混合累積量進(jìn)行資源整合的后置聚焦處理，計(jì)算式為

(21)

其中，物流企業(yè)營(yíng)銷相關(guān)的信息資源調(diào)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(qū)域，對(duì)資源信息流進(jìn)行特征尺度分解，實(shí)現(xiàn)資源整合模型改進(jìn)設(shè)計(jì)，通過(guò)資源優(yōu)化整合，指導(dǎo)物流企業(yè)的營(yíng)銷策略的創(chuàng)新．

3 仿真實(shí)驗(yàn)與結(jié)果分析

為了測(cè)試改進(jìn)的物流企業(yè)營(yíng)銷資源整合方法在實(shí)現(xiàn)物流資源信息整合和調(diào)度中的應(yīng)用性能，進(jìn)行仿真實(shí)驗(yàn).云計(jì)算環(huán)境下資源信息整合的仿真平臺(tái)建立在LabWindows/CVI仿真軟件上，基于ANSIC內(nèi)核的時(shí)間驅(qū)動(dòng)快速地編寫(xiě)資源融合和調(diào)度算法，并植入到物流企業(yè)營(yíng)銷資源整合平臺(tái)中，通過(guò)云計(jì)算進(jìn)行資源信息的時(shí)間序列分析.在云計(jì)算平臺(tái)下安裝VirtualBox虛擬機(jī)，采用C++編譯器，在Windows下編輯代碼進(jìn)行算法設(shè)計(jì)，仿真實(shí)驗(yàn)中，首先進(jìn)行資源特征信息采樣，得到物流企業(yè)營(yíng)銷資源信息在時(shí)頻空間中的特征分布結(jié)果，如圖1所示．

圖 1 物流企業(yè)營(yíng)銷資源信息在時(shí)頻空間中的特征分布 圖 2 物流資源信息數(shù)據(jù)的整合輸出結(jié)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(shù)據(jù)為研究對(duì)象，采用自適應(yīng)級(jí)聯(lián)抗干擾濾波方法對(duì)資源整合數(shù)據(jù)的干擾項(xiàng)進(jìn)行濾波處理，對(duì)輸出的資源信息進(jìn)行關(guān)聯(lián)語(yǔ)義信息特征提取，在云計(jì)算環(huán)境下進(jìn)行資源信息的指向性融合，得到資源信息數(shù)據(jù)的整合輸出結(jié)果，如圖2所示．從圖2可見(jiàn)，采用此方法進(jìn)行物流企業(yè)營(yíng)銷資源整合，能有效實(shí)現(xiàn)資源信息的融合.該方法對(duì)資源整合的融合度較高，提高了信息共享和傳輸調(diào)度能力.

4 結(jié)束語(yǔ)

通過(guò)對(duì)物流企業(yè)營(yíng)銷相關(guān)信息資源優(yōu)化整合和調(diào)度，可拓寬物流企業(yè)營(yíng)銷的出路，提升物流企業(yè)營(yíng)銷發(fā)展格局.為此提出一種基于云計(jì)算環(huán)境下資源信息指向性特征調(diào)度的物流企業(yè)營(yíng)銷資源整合方法.分析物流企業(yè)營(yíng)銷相關(guān)信息的時(shí)間序列，采用自適應(yīng)級(jí)聯(lián)抗干擾濾波方法對(duì)資源整合數(shù)據(jù)的干擾項(xiàng)進(jìn)行濾波處理，關(guān)聯(lián)語(yǔ)義信息特征提取，進(jìn)行資源信息的指向性融合，實(shí)現(xiàn)資源整合模型改進(jìn).數(shù)據(jù)仿真結(jié)果表明，該方法對(duì)資源整合的融合度較高，提高了信息共享和傳輸調(diào)度能力，促進(jìn)物流企業(yè)營(yíng)銷方式的創(chuàng)新發(fā)展．

[1] 賈立雙，李家軍，馮志濤，等. 深海高可靠聲學(xué)應(yīng)答釋放器設(shè)計(jì)與實(shí)現(xiàn)[J]. 電子設(shè)計(jì)工程，2015，23(12):1-3．

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

[2] 張普寧，劉元安，吳帆，等. 物聯(lián)網(wǎng)中適用于內(nèi)容搜索的實(shí)體狀態(tài)匹配預(yù)測(cè)方法[J]. 電子與信息學(xué)報(bào)，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(tǒng)雙閾值任務(wù)調(diào)度算法[J]. 計(jì)算機(jī)科學(xué)，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(nèi)距離和分類算法[J]. 電子與信息學(xué)報(bào)，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(shù)的時(shí)頻差聯(lián)合估計(jì)算法[J]. 電子與信息學(xué)報(bào)，2016，38(5):1123-1128．

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

[9] 彭麗英. 改進(jìn)滑模干擾控制律交通數(shù)據(jù)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(shí)變時(shí)頻差參數(shù)估計(jì)[J]. 信號(hào)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(yīng)鏈管理的物流企業(yè)營(yíng)銷策略[J].物流技術(shù)，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(duì)：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(xué)研究計(jì)劃項(xiàng)目(152400410504)

賀杰(1979—)，男，河南省扶溝縣人，平頂山學(xué)院講師，研究方向?yàn)槠髽I(yè)管理.E-mail:hejie_914@126.com

賀杰.面向資源整合發(fā)展的物流企業(yè)營(yíng)銷創(chuàng)新方式[J].西安工程大學(xué)學(xué)報(bào)，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