欢迎来到天天文库
浏览记录
ID:11873842
大小:135.50 KB
页数:0页
时间:2018-07-14
《基于支持向量机的供应链绩效评价研究(2007)》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、基于支持向量机的供应链绩效评价研究(2007)基于支持向量机的供应链绩效评价研究4>>.文/华晓晖闺秀霞正确客观地对供应链进行绩效评价首先必须建立是不但能将两类样本无错误地分开,而且还使两类之间综合全面的评价指标体系。将供应链的输出与指标进行的间隔(Margin)最大。设方程W*x-b=O表示的平面对比,作为改进和完善的依据。供应链绩效评价指标体能将样本分开,即满足条件1系的选择与建立是一个复杂的过程,而且建立一个综合il(W*x)-bl?:1,i=1,2,;’[_(1)全面的指标体系也是非常困难的,但是指标体系的建
2、立可计算得两类样本产间的间隔为而11'要使此间隔2将直接影响供应链绩效评价的效果。最大,即等价于最小化ill叫1。供应链绩效评价的方法很多,常用的有标杆法、平这一问题可以用下面的最优化问题表示>.衡记分卡法、神经网络法等,但各种方法都有一定的局Min(lV)=j(¢川')山限性。本文引入近年来发展非常迅速的支持向量机建立*x')-b]S>.ti*[(W刻,(3)2i=1,,;’[新的绩效评价模型,并通过解决案例展示了本模型的有效性。通过引人拉格朗日乘子,可以得到上面最优化问题1>.支持向
3、量机的对偶形式支持向量机(SupplyVectorMachine-SVM)是在统Maxm=Zq-jm川勺j)问)计学习理论基础上发展起来的一种新的学习机器,它可=0S>.tLaiYj(5a)(5信0b),以在有限样本的情况下,得到现有信息的最优解,克服了神经网络中的局部极值问题。支持向量'机的算法是通a为每个样本对应的拉格朗日乘子,其中只有一部i分过非线性变换将低维空间映射到高维特征空间,在高维a不等于0,它们对应的向量即为支持向量。因为这i特征空间中构造线性判别函数来实现原空间中的非线是一个二次最优化问题
4、,所以只存在唯一的最优解,这性判别函数,从而巧妙地解决了维数问题,其算法复杂就克服了神经网络有可能陷入局部最忧解的问题。通过度与样本维数无关。支持向量机以其良好的学习性能,解决上面的最优化问题可以得到分类指示函数的表达式为已经被成功地应用在文本分类、手写体识别、语音识别、一F(x)=sgn(yp;(XX)-b)j立*o(6)图像分类、基因数据分析、蛋白质交互作用预测等许多其中领域。X是支持向量ajO;是支持向量对应的拉格朗日i,乘子,b是代表分类阐值的常数,它可以由支持向量计1>.1最优分类面o支持向量机的思想是从最
5、优分类面发展而来的,定算得到。义在线性不可分时,只需将(5a)式改为0运a~三C即i1lin(X,/),;’(X,/),XER,/ε{-1,+1},i=1,2,>.>.>.[可,C代表对错分样本的惩罚。最后同样得到和(6)式同是一个包含两类样本的样本集。所谓最优分类面就样形式的指示函数。???????????????中国储运网//>.chinachuyun>.comI17????????????????????????哝??????????????????????????堩??????牧??瘱氨???????????
6、??????玣妡??????楡?慉??憣????????????????????????舍捯??楮?????????捴????舍??????????愩戬??????????????????????????????????????????????????????憣??????????????惯楮埊??碢????????潲????桵??楮????????????????????????????????????????????????????????????????????墣????????祵??????????????
7、???斡??????椽????????????????????????????????????????????????????????ィ??????????抡????????????ㄩ????????妡???????????瑰??????????????????????????????????????????????????????????????????????????噍????????????????????泄????????????????????????????????????????????????????
8、?????????????????????????????????????????????????????????异????????????????????????????????????????????????????????睷????????????????????????????灬?????????????????????ㄩ???????
此文档下载收益归作者所有