隨著科學(xué)技術(shù)的進(jìn)步,物流行業(yè)隨之快速發(fā)展。物流企業(yè)為了更好地?fù)屨际袌?充分運用當(dāng)代先進(jìn)技術(shù),如數(shù)據(jù)挖掘、云計算、物聯(lián)網(wǎng)等。這些技術(shù)為物流企業(yè)帶來經(jīng)濟(jì)利益的同時,也加快了國內(nèi)物流發(fā)展。物流業(yè)快速發(fā)展的同時,也產(chǎn)生了大量物流相關(guān)數(shù)據(jù),而如何高效地處理這些數(shù)據(jù)成為現(xiàn)今物流業(yè)需要大力解決的問題。本文主要對海量的物流數(shù)據(jù)處理進(jìn)行了研究,對支持向量機(jī)（Support Vector Machine,SVM）分類算法進(jìn)行了改進(jìn),使其適用于物流數(shù)據(jù)的處理,提高物流業(yè)相關(guān)數(shù)據(jù)的處理速度,降低數(shù)據(jù)冗余,挖掘物流數(shù)據(jù)中的潛在價值,為物流企業(yè)提供決策支持,改善了傳統(tǒng)物流數(shù)據(jù)處理效率低下的問題。本文的主要創(chuàng)新點可以概括為以下兩點。（1）針對物流數(shù)據(jù)分類處理時數(shù)據(jù)收斂速度慢的問題,本文對隨機(jī)梯度下降算法進(jìn)行研究。鑒于隨機(jī)梯度下降算法在梯度下降尋找全局最優(yōu)解過程中出現(xiàn)的之字形下降的問題,提出一種基于雙樣本的隨機(jī)梯度下降算法（Double Sample Stochastic Gradient Descent,DSSGD）。該算法利用當(dāng)前時刻數(shù)據(jù)樣本梯度和前一時刻的數(shù)據(jù)樣本梯度的合向量作為梯度下降方向,可優(yōu)化數(shù)據(jù)收斂方向... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
專用術(shù)語注釋表
第一章 緒論
    1.1 研究背景與意義
    1.2 相關(guān)知識介紹
        1.2.1 增量學(xué)習(xí)
        1.2.2 數(shù)據(jù)分類
    1.3 物流應(yīng)用前景
        1.3.1 國內(nèi)外物流發(fā)展現(xiàn)狀
        1.3.2 現(xiàn)代物流及相關(guān)技術(shù)
        1.3.3 我國物流發(fā)展前景
        1.3.4 物流數(shù)據(jù)處理現(xiàn)狀
    1.4 論文的主要研究內(nèi)容
    1.5 論文的主要章節(jié)安排
第二章 基于雙樣本的一種隨機(jī)梯度下降改進(jìn)算法
    2.1 相關(guān)工作
    2.2 預(yù)備知識
        2.2.1 梯度下降算法
        2.2.2 隨機(jī)梯度下降算法
    2.3 改進(jìn)算法描述
    2.4 算法實驗結(jié)果及分析
    2.5 本章小結(jié)
第三章 基于遺忘因子的SVMSGD分類算法
    3.1 相關(guān)工作
    3.2 預(yù)備知識
        3.2.1 基于隨機(jī)梯度下降的SVM分類算法
        3.2.2 遺忘因子概述
        3.2.3 改進(jìn)算法描述
    3.3 算法實驗結(jié)果及分析
    3.4 本章小結(jié)
第四章 總結(jié)與展望
    4.1 論文工作總結(jié)
    4.2 論文工作展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間撰寫的論文
附錄2 攻讀碩士學(xué)位期間參加的科研項目
致謝


【參考文獻(xiàn)】：
期刊論文
[1]網(wǎng)絡(luò)大數(shù)據(jù)下的冗余數(shù)據(jù)分類優(yōu)化算法研究[J]. 歐陽柏成.  微電子學(xué)與計算機(jī). 2015(01)
[2]基于K最近鄰分類的無線傳感器網(wǎng)絡(luò)定位算法[J]. 石欣,印愛民,張琦.  儀器儀表學(xué)報. 2014(10)
[3]基于Bagging的概率神經(jīng)網(wǎng)絡(luò)集成分類算法[J]. 蔣蕓,陳娜,明利特,周澤尋,謝國城,陳珊.  計算機(jī)科學(xué). 2013(05)
[4]基于貝葉斯算法和費舍爾算法的垃圾郵件過濾系統(tǒng)設(shè)計與實現(xiàn)[J]. 范仕倫,薛天俊,夏瑋.  信息網(wǎng)絡(luò)安全. 2012(09)
[5]基于樸素貝葉斯算法的改進(jìn)遺傳算法分類研究[J]. 張增偉,吳萍.  計算機(jī)工程與設(shè)計. 2012(02)
[6]一種SVM增量學(xué)習(xí)算法α-ISVM[J]. 蕭嶸,王繼成,孫正興,張福炎.  軟件學(xué)報. 2001(12)

博士論文
[1]模式分類的K-近鄰方法[D]. 茍建平.電子科技大學(xué) 2013
[2]BP神經(jīng)網(wǎng)絡(luò)分類器優(yōu)化技術(shù)研究[D]. 高鵬毅.華中科技大學(xué) 2012



本文編號：3156715