摘要
传统的物流大数据不能有效过滤和挖掘物流中的实时动态,往往在运输过程中,运输的产品可能被破坏,为了修正传统的过滤方法中由于忽略了对大数据特征的提取,减少过滤效果和去噪处理对仿真结果的影响而导致的过滤精度低、柔性差的问题,文章基于支持向量机(SVM)设计了物流大数据有效信息提取算法。通过仿真实验得出的结论显示,SVM算法对大集群数据进行有效过滤与挖掘并提高了过滤精准度,提高系统对有效数据识别的性能能力。
引文
[1]张玉峰,曾奕棠.物流信息分析研究现状与趋势展望[J].情报杂志,2014,33(6).
[2]黄璆.大数据环境下物流统计的变革[J].统计与决策,2016,(21).
[3]杨建亮,侯汉平.冷链物流大数据实时监控优化研究[J].科技管理研究,2017,(37).
[4]林明方.如何提高基于hadoop数据挖掘算法的计算精准度[J].软件,2017,38(9).
[5]刘云峰,李发红,曹广强.Hadoop框架下海量影像数据库管理系统的研究与实现[J].测绘通报,2016,(12).
[6]王春梅.基于神经网络的数据挖掘算法研究[J].现代电子技术,2017,40(11).
[7]Bengio Y,Courville A,Vincent P.Representation Learning:A Review and New Perspectives. Pattern Analysis and Machine Intelligence[J].IEEE Transactions,2013,35(8).
[8]Wang L Z,Geng H,Liu P,et al.Particle Swarm Optimization Based Dictionary Learning for Remote Sensing Big Data[J].Knowledge-Based Systems,2015,79(5).
[9]刘暾东,陈俊仁,洪武鹏等.基于粒子群算法的Pt-Pd合金纳米粒子的稳定结构研究[J].物理学报,2013,62(19).
[10]曾正良,罗可,邹瑞芝.基于复合粒子群的数据分类方法[J].计算机工程与应用,2009,45(7).
[11]李云玮,马蕾.基于SVM的物联网大数据有效信息过滤挖掘[J].控制工程,2016,23(10).
[12]张宸,韩夏.大数据环境下基于SVM-WNB的网络舆情分类研究[J].统计与决策,2017,(14).
[13]张玉峰,曾奕棠.基于动态数据挖掘的物流信息分析模型研究[J].情报科学,2016,34(1).
[14]宋磊.基于SODM的支持向量机的多分类器融合算法[J].统计与决策,2011,(17).
[15]隋学深,乔鹏,丁保利.基于支持向量机的贷款风险等级分类真实性审计研究[J].审计研究,2014,(3).
[16]曾志强,廖备水,高济.面向超大数据集的SVM近似训练算法[J].计算机科学,2009,36(11).
[17]Rebentrost P,Mohseni M,Lloyd S,et al.Quantum Support Vector Machine for Big Data Classification[J].Physcial Review Letters,2014,113(9).
[18]Zeng Z Q,Yu H B,Xu H R.Fast Training Support Vector Machines Using Parallel Sequential Minimal Optimization[J]. Intelligent System and Knowledge Engineering,2008,(11).