[发明专利]基于SVM动态物流大数据预警分析及保护方法

权利要求书

1.基于SVM动态物流大数据预警分析及保护方法，其特征在于，包括以下步骤：

S1：采集动态物流数据，形成数据集；

S2：对所述S1步骤得到的数据集进行区域分类；

S3：对所述S2步骤得到的数据集进行行子分类转换二次回归；

S4：形成多目标分数规划的Wolfe式对偶规则，对所述S3步骤得到的数据集进行数据自修复保护；

S5：形成数据预警分析函数，对所述S4步骤得到的动态物流数据集进行预警分析。

2.根据权利要求1所述的基于SVM动态物流大数据预警分析及保护方法，其特征在于，所述S1步骤形成的数据集为

{x_i，yⁱ}，x_i∈Rⁿ，i＝1，2，....l.

其中x_i为所采集动态物流的地理位置信息，yⁱ为所采集动态物流的时间信息。

3.根据权利要求1所述的基于SVM动态物流大数据预警分析及保护方法，其特征在于，所述S2步骤的区域分类公式为

f(x)＝sng(ω·x+b)

其中ω为区域加权附加系数，x为所述数据集，b为误差项。

4.根据权利要求1所述的基于SVM动态物流大数据预警分析及保护方法，其特征在于，所述S3步骤的行子分类转换二次回归的公式为

s.t.y_i(ω·x+b)≥1+ξ_i

其中，ξ_i≥0，i＝1，2，....，l；C代表惩罚因素附加权项。

5.根据权利要求1所述的基于SVM动态物流大数据预警分析及保护方法，其特征在于，所述S4步骤形成多目标分数规划的Wolfe式对偶规则的公式为

其中α_i和α_j代表拉格朗日乘子。

6.根据权利要求1所述的基于SVM动态物流大数据预警分析及保护方法，其特征在于，所述S5步骤形成的函数为线性函数或非线性函数。

7.根据权利要求6所述的基于SVM动态物流大数据预警分析及保护方法，其特征在于，形成的所述线性函数为

其中α_i和α_j代表拉格朗日乘子。

8.根据权利要求6所述的基于SVM动态物流大数据预警分析及保护方法，其特征在于，形成的所述非线性函数为

其中α_i代表拉格朗日乘子。

9.根据权利要求4所述的基于SVM动态物流大数据预警分析及保护方法，其特征在于，所述C的经验误差值越大，代表惩罚就越大。