[发明专利]一种基于支持向量机和卷积神经网络联合的智能定价系统

说明书

本发明公开了一种基于支持向量机和卷积神经网络联合的智能定价系统，本发明利用深度学习中的支持向量机和卷积神经网络技术，提出了一种基于支持向量机和卷积神经网络联合使用的生鲜智能定价系统。通过这个系统，可以预测未来年份的生鲜价格，还可以判断当前生鲜的质量等级，将两者结合得到最准确的生鲜价格。从而使生鲜产品的价格制定更加精准和便利。本发明不仅能减少工作人员的工作量降低超市雇佣员工的成本，而且可以在不损害顾客利益的同时将利益达到最大化，从而使超市获得更大利润。从提高社会经济效益来说，这一发明具有极大的现实意义和广阔的应用前景。

技术领域

本发明涉及一种电子信息领域，具体是一种基于支持向量机和卷积神经网络联合的智能定价系统。

背景技术

在每家的生活中，生鲜的购买是必不可少的，大量的购买必然会导致超市在人力方面投入更多，而且生鲜的价格的制定是非常主观的，超市管理人员会根据当前市场价格定价，每天生鲜根据新鲜程度会进行早、中、晚3次改价，这样避免不了价格更改的不是很合理，可能造成在超市和顾客有一方会有一些损失，在不损害顾客利益同时，将利益达到最大化，为此智能化的应用必然更好的解决这类问题的发生。

近年来，智能化已经融入到我们生活的方方面面，发展迅速，尤其是在电子行业，智能机器人，智能手机等取得了巨大成就，智能化的产品主要是要让机器学会学习，最终学会某些工作。借鉴这些应用，为在生鲜产品定价方面提供了技术支持。

但是在进行智能化应用时，有两个主要问题必须要解决，一是必须进行价格预测，二是进行生鲜质量估测。只有解决这两个问题，才能得到最佳价格数据。

发明内容

本发明的目的在于提供一种基于支持向量机和卷积神经网络联合的智能定价系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于支持向量机和卷积神经网络联合的智能定价方法，包含以下步骤：

A、采用支持向量机模块通过数据预测未来生鲜的价格；

B、采用卷积神经网络模块来判断生鲜所在等级；

C、将步骤A和B中两个模块预测结果结合，数据进行整理，最后所得数据通过电子标签系统进行显示。

4.作为本发明的进一步技术方案：所述步骤A具体是：通过搭建深度信任SVR模型网络，网络由一层高斯分布函数显层节点的RBM、多层隐层RBM和一层SVR模型构成。模型在预训练过程中，输入层的数据联合分布及显隐层条件分布的计算方式其中：Z＝∫∑_hexp(-E(v，h；θ))dv；

中间层为传统的RBM信息转换，即(显层)伯努利-(隐层)伯努利RBM数据转换，其能量函数定义为；

式中：θ为给定模型参数，w_ij表示显层节点v_i和隐层节点h_j之间的关联权值，b_i为显层节点偏移量，α_j为隐层节点偏移量，i为显层结构的节点数，j表示隐层结构的节点数；

RBM显层和隐层节点对应的条件概率定义为：

其中：利用对数似然概率logp(v：θ)的梯度，RBM权值更新公式为：

Δw_ij＝E_data(v_ih_j)-E_model(v_ih_j)，