欢迎来到天天文库
浏览记录
ID:50118027
大小:3.27 MB
页数:58页
时间:2020-03-06
《物流数据中的云聚类调度算法研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、‘—取'.r-??.■:、■V'!:10293单位代码密级:,,,0.扉纖《乂著考皮《化硕女讼乂it?4U命《方IW论文题目:物流数据中的云聚类调度算法研究V…'接'、.■.‘学号?..1212053211’一L.姓、各徐雷雷y片.:'I■*k]%^导师子远;.辜’I■',..^:')二鸣‘一-|!\心,Y.专业学位类别工樹壯参啤站;我-’、,?i;类M全日
2、制专业(领域)物流工提\论文提交日期请J2015年4月;r’'‘‘?‘1■?..*1-...■.■/?*.VV支V^I南京邮电大学学位论文原创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研巧工作及取得的研究成果。尽我所知,论,除了文中特别加tu标注和致谢的地方外文中不包含其他人已经发表或撰写过。的研巧成果,也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料一同工作的同志对本研究所做的任何贡献巧己在论文中作了明确的
3、说明并表示了谢意与我。本人学位论文及涉及相关资料若有不实一,愿意承担切相关的法律责任。研It巧生签名;^备带事日期;南京邮电大学学位论文使用授权声明本人授权南京邮电大学可W保留并向国家有关部口或机构送交论文的复印件和电子文可档;允许论文被查阅和借阅;可将学位论文的全部或部分内容编入有关数据库进行检索;1^采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质一论文的内容相致。论文的公布(包括刊登)授权南京邮电大学研究生院办理。研涉密学位论文在解密后适用本授权书。究生签名:繞^驾导师
4、签名:日期;\〇\%^|>ResearchofClusterSchedulingAlgorithminCloudComputingBasedonLogisticsDataThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByLiliXuSupervisor:Prof.KunWangApril2015摘要随着信息技术的快速发展,物联网技术得到了越来越多的关注,物联网技术与物流技术结合产生了智慧物
5、流行业。智慧物流通过RFID,GPS等技术来实现物品的自动识别等。如何对物流数据中隐含深层次信息进行挖掘,从而为物流决策者的决策提供强有力的支撑得到了越来越多的研究。本文对物流数据的处理进行研究,将数据挖掘,机器学习方法引入物流数据的处理的应用场景中,对算法提出了改进,使其能够提高物流数据的分析处理能力,解决我国物流数据分析,处理能力不高的问题。本文的主要创新点包括:(1)研究面向物流数据的聚类算法。对k均值聚类中存在的一些问题进行理解,并针对k均值聚类结果受初始中心影响的问题,提出了一种基于普利姆的k均值聚类改进算法IKACP(AnIm
6、provedK-meansclusteringAlgorithmBasedonPrim),在不改变k均值聚类算法的简单性的前提下将普利姆算法利用在初始聚类中心的选择上,可以有效的减小迭代次数,提高聚类正确率。(2)研究面向物流数据的分类算法。使用随机梯度下降算法进行优化训练时间,提高训练速度,以适应大数据的情况,提出了一种基于随机梯度下降的改进支持向量机分类算法ISVMSGD(AnImprovedSupportVectorMachineBasedonStochasticGradientDescent),在大量数据中训练中在不影响正确率的情
7、况下可以有效的提高训练速度。(3)研究面向物流数据的云调度模型。利用离散粒子群算法对模型中的任务调度进行优化,提出一种改进的二进制粒子群优化的任务调度算法GCTA(AGreenCloudTask-schedulingalgorithm),主要将复杂矩阵运算简化为流水线,重新定义粒子的速度和位置。在随机产生的任务中可以减小系统总的执行时间,提高效率。关键词:物流数据,云计算,K均值聚类,支持向量机,粒子群,任务调度IAbstractAsinformationtechnologydevelopsquicklyinpastyears,thete
8、chnologyofIOT(Internetofthings)getsmoreandmoreattention.Thecombinationofandlogisticstechnologyfo
此文档下载收益归作者所有