[发明专利]基于SVM动态物流大数据预警分析及保护方法

说明书

本发明提供基于SVM动态物流大数据预警分析及保护方法，包括以下步骤：采集动态物流数据，形成数据集；对所述数据集进行区域分类；对所述数据集进行行子分类转换二次回归；形成多目标分数规划的Wolfe式对偶规则，进行数据自修复保护；形成数据预警分析函数，对上述步骤得到的动态物流数据集进行预警分析。本方法不仅限于动态物流大数据的实时监控，同时也检测和诊断动态物流实时数据的有效性、有缺陷的实时数据，还对实时数据进行无数据剔除处理和数据完整性修复。能够有效提高物流智能化程度和信息化水平，有效针对物流区域的信息进行预警并保护，提高了动态物流走向和区域性选择的针对性，辨识并过滤无效信息，提高数据管理的效率。

技术领域

本发明属于动态物流大数据分析技术领域，具体涉及基于SVM动态物流大数据预警分析及保护方法。

背景技术

近些年来，伴随着数据信息科学技术的发展，人类已经步入了数据可视化和云计算时代，人们生活品质的不断提高，物流活动也逐渐受到了越来越多人的欢迎，由于网络大数据与云计算时代的不断推进，尤其是数据收集、网上支付、状态监控以及远程操控等电子商务的迅速拓展，使得当前很多物流公司所具有的数据信息量迅速增多，而面对复杂的、动态的、大量的数据信息，使用以往传统的静态信息数据的挖掘技术进行分析已经不能够满足当前实际运用的要求，所以，就成为了众多学者研究的焦点。

动态物流大数据是基于物流系统反馈信息技术实现的，物流系统反馈信息技术的出现，使得物流中的信息变得可视、清晰，可随时监控货物的实时情况。动态物流大数据是通过数据感知技术和信息反馈技术，将海量的物流数据整合并提取，利用数据挖掘和数据分析，提取有效信息并过滤冗余信息，实现有效信息共享，通过网络连接把数据传输回监控端。然而，在这个过程中会产生大量的无效信息包括边界孤立点识别和重影识别，因此，急需一种动态物流大数据预警分析及保护方法来高效的且科学的管理相关的物流信息。

发明内容

本发明针对上述缺陷，提供一种基于SVM能够辨别和剔除掉无效数据、有效对数据进行分类和整理，保证数据整齐性、有效性且能够自修复保证数据完整性的动态物流大数据预警分析及保护方法。

本发明提供如下技术方案：基于SVM动态物流大数据预警分析及保护方法，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。

进一步地，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点。

进一步地，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。

进一步地，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。