物流數(shù)據(jù)中的云聚類調(diào)度算法研究.pdf

1、隨著信息技術(shù)的快速發(fā)展，物聯(lián)網(wǎng)技術(shù)得到了越來(lái)越多的關(guān)注，物聯(lián)網(wǎng)技術(shù)與物流技術(shù)結(jié)合產(chǎn)生了智慧物流行業(yè)。智慧物流通過(guò)RFID，GPS等技術(shù)來(lái)實(shí)現(xiàn)物品的自動(dòng)識(shí)別等。如何對(duì)物流數(shù)據(jù)中隱含深層次信息進(jìn)行挖掘，從而為物流決策者的決策提供強(qiáng)有力的支撐得到了越來(lái)越多的研究。
　　本文對(duì)物流數(shù)據(jù)的處理進(jìn)行研究，將數(shù)據(jù)挖掘，機(jī)器學(xué)習(xí)方法引入物流數(shù)據(jù)的處理的應(yīng)用場(chǎng)景中，對(duì)算法提出了改進(jìn)，使其能夠提高物流數(shù)據(jù)的分析處理能力，解決我國(guó)物流數(shù)據(jù)分析，處理能力

2、不高的問(wèn)題。
　　本文的主要?jiǎng)?chuàng)新點(diǎn)包括：
　?。?）研究面向物流數(shù)據(jù)的聚類算法。對(duì)k均值聚類中存在的一些問(wèn)題進(jìn)行理解，并針對(duì)k均值聚類結(jié)果受初始中心影響的問(wèn)題，提出了一種基于普利姆的k均值聚類改進(jìn)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(jiǎn)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(shù)，提

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