基于Shapley值的冷鏈物流檢測信息特征組合定價研究
發(fā)布時間:2023-10-27 20:07
為提高物流決策效率和品質(zhì),統(tǒng)計機(jī)器學(xué)習(xí)和數(shù)據(jù)定價分析作為新興技術(shù)手段,能夠?yàn)槲锪鳑Q策優(yōu)化和有價值的數(shù)據(jù)共享過程帶來新的視角和應(yīng)用。例如,銀行為冷鏈物流企業(yè)提供貸款業(yè)務(wù)前,購買關(guān)于冷鏈物流企業(yè)的數(shù)據(jù)來分析企業(yè)的經(jīng)營能力,這一過程中需對交易的冷鏈檢測信息數(shù)據(jù)進(jìn)行定價。但因這類數(shù)據(jù)具有多樣、數(shù)量繁多、價值不清晰等特點(diǎn),通常冷鏈數(shù)據(jù)的價格難以有效確定。因此,本文針對冷鏈檢測數(shù)據(jù),提出基于Shapley值的冷鏈物流檢測信息特征組合定價模型,解決冷鏈水產(chǎn)品貨架期預(yù)測、冷鏈水產(chǎn)品智能分揀場景中的數(shù)據(jù)特征貢獻(xiàn)分配及動態(tài)數(shù)據(jù)的定價問題。主要工作及創(chuàng)新如下:(1)針對冷鏈數(shù)據(jù)特征的重要性問題,研究了冷鏈檢測數(shù)據(jù)機(jī)器學(xué)習(xí)中的特征選擇模型。基于交叉驗(yàn)證的遞歸特征消除思想,結(jié)合特征排列組合,并考慮預(yù)測準(zhǔn)確度,設(shè)計冷鏈檢測信息的特征選擇方法。研究了基于Shapley值的特征貢獻(xiàn)分配問題,將特定實(shí)例的預(yù)測結(jié)果與數(shù)據(jù)集的平均預(yù)測值之差作為該實(shí)例的特征收益,對于局部解釋,通過繪制兩個隨機(jī)實(shí)例來模擬特征的“缺席”與否,計算特征在特定實(shí)例的邊際貢獻(xiàn),并將絕對值的均值視為該特征在數(shù)據(jù)集中的全局貢獻(xiàn)。(2)在冷鏈物流仿真模型基...
【文章頁數(shù)】:79 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第1章 緒論
1.1 研究背景及意義
1.1.1 研究背景
1.1.2 研究目的
1.1.3 研究意義
1.2 擬解決問題
1.3 創(chuàng)新點(diǎn)
1.4 論文結(jié)構(gòu)
第2章 相關(guān)理論與文獻(xiàn)綜述
2.1 文獻(xiàn)綜述
2.1.1 冷鏈物流及冷鏈信息化系統(tǒng)研究現(xiàn)狀
2.1.2 基于機(jī)器學(xué)習(xí)的冷鏈物流智能決策支持
2.1.3 基于Shapley值的分配算法研究現(xiàn)狀
2.1.4 冷鏈檢測信息數(shù)據(jù)定價研究現(xiàn)狀
2.2 相關(guān)理論
2.2.1 特征選擇
2.2.2 Shapley值
2.2.3 貨架期
2.3 本章小結(jié)
第3章 冷鏈物流檢測數(shù)據(jù)的貨架期預(yù)測特征選擇
3.1 概述
3.2 基于冷鏈物流檢測數(shù)據(jù)的貨架期預(yù)測流程分析
3.3 基于冷鏈物流檢測數(shù)據(jù)的貨架期預(yù)測特征選擇
3.3.1 隨機(jī)森林算法
3.3.2 交叉驗(yàn)證的遞歸特征消除
3.3.3 基于CV-RFE與排列組合的特征選擇方法
3.4 數(shù)值實(shí)驗(yàn)
3.4.1 數(shù)據(jù)描述
3.4.2 仿真實(shí)驗(yàn)
3.4.3 實(shí)驗(yàn)結(jié)果
3.5 本章小結(jié)與管理啟示
第4章 基于Shapley值的冷鏈智能分揀預(yù)測系統(tǒng)應(yīng)用
4.1 冷鏈物流檢測數(shù)據(jù)特征價值分配流程分析
4.2 冷鏈智能分揀預(yù)測系統(tǒng)案例背景分析
4.3 基于Shapley值的冷鏈物流檢測數(shù)據(jù)價值分配
4.3.1 機(jī)器學(xué)習(xí)算法的Shapley值
4.3.2 近似Shapley值算法
4.4 數(shù)值實(shí)驗(yàn)與實(shí)驗(yàn)結(jié)果
4.4.1 數(shù)據(jù)來源
4.4.2 實(shí)驗(yàn)結(jié)果
4.5 本章小結(jié)與管理啟示
第5章 冷鏈物流檢測信息數(shù)據(jù)的動態(tài)交易定價
5.1 問題描述
5.2 模型基礎(chǔ)
5.2.1 符號說明
5.2.2 假設(shè)條件
5.2.3 定價分析
5.3 建立模型
5.3.1 乘權(quán)更新
5.3.2 參數(shù)求解
5.3.3 算法設(shè)計
5.4 仿真實(shí)驗(yàn)
5.5 本章小結(jié)與管理啟示
第6章 結(jié)論與展望
6.1 結(jié)論與管理啟示
6.1.1 結(jié)論
6.1.2 管理啟示
6.2 展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果
本文編號:3857187
【文章頁數(shù)】:79 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第1章 緒論
1.1 研究背景及意義
1.1.1 研究背景
1.1.2 研究目的
1.1.3 研究意義
1.2 擬解決問題
1.3 創(chuàng)新點(diǎn)
1.4 論文結(jié)構(gòu)
第2章 相關(guān)理論與文獻(xiàn)綜述
2.1 文獻(xiàn)綜述
2.1.1 冷鏈物流及冷鏈信息化系統(tǒng)研究現(xiàn)狀
2.1.2 基于機(jī)器學(xué)習(xí)的冷鏈物流智能決策支持
2.1.3 基于Shapley值的分配算法研究現(xiàn)狀
2.1.4 冷鏈檢測信息數(shù)據(jù)定價研究現(xiàn)狀
2.2 相關(guān)理論
2.2.1 特征選擇
2.2.2 Shapley值
2.2.3 貨架期
2.3 本章小結(jié)
第3章 冷鏈物流檢測數(shù)據(jù)的貨架期預(yù)測特征選擇
3.1 概述
3.2 基于冷鏈物流檢測數(shù)據(jù)的貨架期預(yù)測流程分析
3.3 基于冷鏈物流檢測數(shù)據(jù)的貨架期預(yù)測特征選擇
3.3.1 隨機(jī)森林算法
3.3.2 交叉驗(yàn)證的遞歸特征消除
3.3.3 基于CV-RFE與排列組合的特征選擇方法
3.4 數(shù)值實(shí)驗(yàn)
3.4.1 數(shù)據(jù)描述
3.4.2 仿真實(shí)驗(yàn)
3.4.3 實(shí)驗(yàn)結(jié)果
3.5 本章小結(jié)與管理啟示
第4章 基于Shapley值的冷鏈智能分揀預(yù)測系統(tǒng)應(yīng)用
4.1 冷鏈物流檢測數(shù)據(jù)特征價值分配流程分析
4.2 冷鏈智能分揀預(yù)測系統(tǒng)案例背景分析
4.3 基于Shapley值的冷鏈物流檢測數(shù)據(jù)價值分配
4.3.1 機(jī)器學(xué)習(xí)算法的Shapley值
4.3.2 近似Shapley值算法
4.4 數(shù)值實(shí)驗(yàn)與實(shí)驗(yàn)結(jié)果
4.4.1 數(shù)據(jù)來源
4.4.2 實(shí)驗(yàn)結(jié)果
4.5 本章小結(jié)與管理啟示
第5章 冷鏈物流檢測信息數(shù)據(jù)的動態(tài)交易定價
5.1 問題描述
5.2 模型基礎(chǔ)
5.2.1 符號說明
5.2.2 假設(shè)條件
5.2.3 定價分析
5.3 建立模型
5.3.1 乘權(quán)更新
5.3.2 參數(shù)求解
5.3.3 算法設(shè)計
5.4 仿真實(shí)驗(yàn)
5.5 本章小結(jié)與管理啟示
第6章 結(jié)論與展望
6.1 結(jié)論與管理啟示
6.1.1 結(jié)論
6.1.2 管理啟示
6.2 展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果
本文編號:3857187
本文鏈接:http://sikaile.net/jingjilunwen/hongguanjingjilunwen/3857187.html
最近更新
教材專著