物流數據中的云聚類調度算法研究.pdf

1、隨著信息技術的快速發(fā)展，物聯(lián)網技術得到了越來越多的關注，物聯(lián)網技術與物流技術結合產生了智慧物流行業(yè)。智慧物流通過RFID，GPS等技術來實現(xiàn)物品的自動識別等。如何對物流數據中隱含深層次信息進行挖掘，從而為物流決策者的決策提供強有力的支撐得到了越來越多的研究。
　　本文對物流數據的處理進行研究，將數據挖掘，機器學習方法引入物流數據的處理的應用場景中，對算法提出了改進，使其能夠提高物流數據的分析處理能力，解決我國物流數據分析，處理能力

2、不高的問題。
　　本文的主要創(chuàng)新點包括：
　?。?）研究面向物流數據的聚類算法。對k均值聚類中存在的一些問題進行理解，并針對k均值聚類結果受初始中心影響的問題，提出了一種基于普利姆的k均值聚類改進算法IKACP（An Improved K-means clustering Algorithm Based on Prim），在不改變k均值聚類算法的簡單性的前提下將普利姆算法利用在初始聚類中心的選擇上，可以有效的減小迭代次數，提

3、高聚類正確率。
　?。?）研究面向物流數據的分類算法。使用隨機梯度下降算法進行優(yōu)化訓練時間，提高訓練速度，以適應大數據的情況，提出了一種基于隨機梯度下降的改進支持向量機分類算法ISVMSGD（An Improved Support Vector Machine Based on Stochastic Gradient Descent），在大量數據中訓練中在不影響正確率的情況下可以有效的提高訓練速度。
　　（3）研究面向物流數