欧美在线观看视频网站,亚洲熟妇色自偷自拍另类,啪啪伊人网,中文字幕第13亚洲另类,中文成人久久久久影院免费观看 ,精品人妻人人做人人爽,亚洲a视频

一種基于聚類和余弦相似度的物流推薦方法與流程

文檔序號:12721745閱讀:來源:國知局

技術(shù)特征:

1.一種基于聚類和余弦相似度的物流推薦方法,其特征在于,包括如下步驟:

步驟一:對貨物數(shù)據(jù)集和貨車數(shù)據(jù)集進(jìn)行預(yù)處理,并使用AP聚類方法、SDbw聚類衡量方法和K-means聚類方法確定貨物數(shù)據(jù)集和貨車數(shù)據(jù)集的聚類個數(shù)最佳K值;

步驟二:根據(jù)步驟一中確定的最佳聚類個數(shù),對貨物數(shù)據(jù)集和貨車數(shù)據(jù)集使用K-means聚類,并分別使用貨物數(shù)據(jù)集和貨車數(shù)據(jù)集聚類得到的結(jié)果訓(xùn)練出兩個分類器;

步驟三:需要貨車推薦的貨主輸入貨物信息,貨物信息經(jīng)過歸一化處理,使用步驟二中貨車數(shù)據(jù)集訓(xùn)練出的分類器分類,需要貨物推薦的車主輸入車輛信息,車輛信息經(jīng)過歸一化處理,使用步驟二中車輛數(shù)據(jù)集訓(xùn)練出的分類器分類;

步驟四:使用余弦相似度方法計算步驟三中貨主或車主經(jīng)過歸一化處理的數(shù)據(jù)與分類器分得的類中所有元素的相似度對貨物數(shù)據(jù)集或貨車數(shù)據(jù)集根據(jù)相似度從高到低排列,向用戶推薦。

2.根據(jù)權(quán)利要求1所述的一種基于聚類和余弦相似度的物流推薦方法,其特征在于,所述步驟一中使用AP聚類方法、SDbw聚類衡量方法和K-means聚類方法確定貨物數(shù)據(jù)集和貨車數(shù)據(jù)集的聚類個數(shù)最佳K值的步驟如下:

步驟1.1:定義貨車和貨物數(shù)據(jù)集、對貨車和貨物數(shù)據(jù)集進(jìn)行預(yù)處理;

步驟1.2:對貨車和貨物數(shù)據(jù)集使用AP聚類方法,得到類別數(shù)量;

步驟1.3:對貨車和貨物數(shù)據(jù)集使用K-means聚類方法,設(shè)定K值從2到步驟1.2得到的數(shù)值,使用SDbw聚類衡量方法衡量聚類效果,得到貨車和貨物數(shù)據(jù)的聚類最佳K值。

3.根據(jù)權(quán)利要求1所述的一種基于聚類和余弦相似度的物流推薦方法,其特征在于,所述步驟二中分別使用貨物數(shù)據(jù)集和貨車數(shù)據(jù)集聚類得到的結(jié)果訓(xùn)練出兩個分類器的步驟如下:

步驟2.1:使用樸素貝葉斯分類器訓(xùn)練模型ModelA,訓(xùn)練數(shù)據(jù)為使用K-means聚類方法對貨車數(shù)據(jù)聚類的結(jié)果,K值為步驟2確定的貨車數(shù)據(jù)最佳聚類K值;

步驟2.2:使用樸素貝葉斯分類器訓(xùn)練模型ModelB,訓(xùn)練數(shù)據(jù)為使用K-means聚類方法對貨物數(shù)據(jù)聚類的結(jié)果,K值為步驟2確定的貨物數(shù)據(jù)最佳聚類K值。

4.根據(jù)權(quán)利要求1所述的一種基于聚類和余弦相似度的物流推薦方法,其特征在于,所述步驟三中分別使用貨車數(shù)據(jù)集訓(xùn)練出的分類器和車輛數(shù)據(jù)集訓(xùn)練出的分類器進(jìn)行分類的步驟如下:

步驟3.1:需要貨車推薦的貨主輸入貨物信息,將貨物信息歸一化處理后,使用分類器ModelA對貨物信息分類,得到分類標(biāo)簽;

步驟3.2:需要貨物推薦的車主輸入車輛信息,將車輛信息歸一化處理后,使用分類器ModelB對車輛信息分類,得到分類標(biāo)簽。

5.根據(jù)權(quán)利要求1所述的一種基于聚類和余弦相似度的物流推薦方法,其特征在于,所述步驟四中使用余弦相似度方法計算貨主或車主經(jīng)過歸一化處理的數(shù)據(jù)與分類器分得的類中所有元素的相似度對貨物數(shù)據(jù)集或貨車數(shù)據(jù)集根據(jù)相似度從高到低排列,向用戶推薦的步驟如下:

步驟4.1:使用余弦相似度方法,計算貨主經(jīng)過處理的信息與車輛數(shù)據(jù)集中與貨物信息具有相同標(biāo)簽的信息的相似度,根據(jù)相似度從大到小進(jìn)行推薦;

步驟4.2:使用余弦相似度方法,計算車主經(jīng)過處理的信息與貨物數(shù)據(jù)集中與車輛信息具有相同標(biāo)簽的信息的相似度,根據(jù)相似度從大到小進(jìn)行推薦。

6.根據(jù)權(quán)利要求1所述的一種基于聚類和余弦相似度的物流推薦方法,其特征在于,所述步驟一中使用AP聚類方法、SDbw聚類衡量方法和K-means聚類方法確定貨物數(shù)據(jù)集和貨車數(shù)據(jù)集的聚類個數(shù)最佳K值的詳細(xì)步驟如下:

步驟101:設(shè)貨車數(shù)據(jù)量為N條,貨車數(shù)據(jù)的維度為M,建立貨車數(shù)據(jù)集Crecords={C1,C2,…,CM},Crecords的元素Cm={c1,c2,c3,c4,c5}表示貨車m的數(shù)據(jù),c1,c2,c3,c4,c5,為Cm的五個維度,m∈[1,M],其中,c1表示車主希望的運輸價格,c2表示貨車剩余載重,c3表示貨車的出發(fā)地,c4表示貨車的目的地,c5表示貨車運送的時間;

步驟102:定義循環(huán)變量為t,并賦初值t=1;

步驟103:當(dāng)t<=M執(zhí)行步驟204,否則執(zhí)行步驟207;

步驟104:定義臨時變量dis表示出發(fā)地和目的地間的距離,定義臨時變量time表示從出發(fā)地到目的地需要的時間;

步驟105:調(diào)用高德api計算Ct中從出發(fā)地c3到目的地c4的距離和時間,并分別賦值給dis和time,并用dis和time代替原Ct中的c3和c4;

步驟106:t=t+1,繼續(xù)執(zhí)行步驟203;

步驟107:對得到數(shù)據(jù)集SCrecords進(jìn)行中心化和標(biāo)準(zhǔn)化處理,得到數(shù)據(jù)集SCrecords={SC1,SC2,…,SCM};

步驟108:使用PCA降維方法對數(shù)據(jù)集SCrecords進(jìn)行降維,得到降維后的數(shù)據(jù)集Precord={P1,P2,…,PM};

步驟109:對降維后的數(shù)據(jù)使用AP聚類方法,得到類別標(biāo)簽Labels={L1,L2,…,LM},類別數(shù)量賦值給NUM;

步驟110:設(shè)定循環(huán)變量為n,并賦予初值n=2;

步驟111:當(dāng)n<=NUM執(zhí)行步驟212,否則執(zhí)行步驟215;

步驟112:使用K-means聚類方法對數(shù)據(jù)集Precord進(jìn)行聚類,得到貨車類別標(biāo)簽Labels={L1,L2,…,LM};

步驟113:使用SDbw聚類衡量方法衡量本次聚類效果,得到的值賦予SDk;

步驟114:n=n+1,繼續(xù)執(zhí)行步驟211;

步驟115:設(shè)SD2,SD3,…,SDNUM中的最小值為SDmin;

步驟116:min即為貨車數(shù)據(jù)集使用K-means聚類方法的最佳K值;

步驟117:設(shè)貨物數(shù)據(jù)量為N條,貨物數(shù)據(jù)的維度為M,建立貨物數(shù)據(jù)集Trecords={T1,T2,…,TM},Trecords的元素Tm={t1,t2,t3,t4,t5}表示車輛m的數(shù)據(jù),t1,t2,t3,t4,t5,為Tm的五個維度,m∈[1,M],其中,t1表示貨物的運輸價格,t2表示貨物的重量,t3表示貨物的出發(fā)地,t4表示貨物的目的地,t5表示貨物運送的時間;

步驟118:定義循環(huán)變量為t,并賦初值t=1;

步驟119:當(dāng)t<=M執(zhí)行步驟220,否則執(zhí)行步驟223;

步驟120:定義臨時變量dis表示出發(fā)地和目的地間的距離,定義臨時變量time表示從出發(fā)地到目的地需要的時間;

步驟121:調(diào)用高德api計算Tt中從出發(fā)地t3到目的地t4的距離和時間,并分別賦值給dis和time,并用dis和time代替原Tt中的t3和t4;

步驟122:t=t+1,繼續(xù)執(zhí)行步驟219;

步驟123:對得到數(shù)據(jù)集Trecords進(jìn)行中心化和標(biāo)準(zhǔn)化處理,得到數(shù)據(jù)集STrecords={ST1,ST2,…,STM};

步驟124:使用PCA降維方法對數(shù)據(jù)集Srecords進(jìn)行降維,得到降維后的數(shù)據(jù)集Precord={P1,P2,…,PM};

步驟125:對降維后的數(shù)據(jù)使用AP聚類方法,得到類別標(biāo)簽Labels={L1,L2,…,LM},類別數(shù)量賦值給NUM;

步驟126:設(shè)定循環(huán)變量為n,并賦予初值n=2;

步驟127:當(dāng)n<=NUM執(zhí)行步驟228,否則執(zhí)行步驟231;

步驟128:使用K-means聚類方法對數(shù)據(jù)集Precord進(jìn)行聚類,得到貨物類別標(biāo)簽Labels={L1,L2,…,LM};

步驟129:使用SDbw聚類衡量方法衡量本次聚類效果,得到的值賦予SDk;

步驟130:n=n+1,繼續(xù)執(zhí)行步驟227;

步驟131:設(shè)SD2,SD3,…,SDNUM中的最小值為SDmin;

步驟132:min即為貨物數(shù)據(jù)集使用K-means聚類方法的最佳K值。

7.根據(jù)權(quán)利要求1所述的一種基于聚類和余弦相似度的物流推薦方法,其特征在于,所述步驟二中分別使用貨物數(shù)據(jù)集和貨車數(shù)據(jù)集聚類得到的結(jié)果訓(xùn)練出兩個分類器的詳細(xì)步驟如下:

步驟201:貨車數(shù)據(jù)集Crecords經(jīng)過中心化和標(biāo)準(zhǔn)化處理得到數(shù)據(jù)集SCrecords={SC1,SC2,…,SCM};

步驟202:使用K-means聚類方法對數(shù)據(jù)集SCrecords={SC1,SC2,…,SCM}進(jìn)行聚類,K為步驟216得到的最佳K值,得到貨車類別標(biāo)簽Labels={L1,L2,…,LM};

步驟203:使用樸素貝葉斯分類器,訓(xùn)練數(shù)據(jù)集為SCrecords={SC1,SC2,…,SCM},類別標(biāo)簽為Labels={L1,L2,…,LM},得到分類器ModelA;

步驟204:貨物數(shù)據(jù)集Trecords經(jīng)過中心化和標(biāo)準(zhǔn)化處理得到數(shù)據(jù)集STrecords={ST1,ST2,…,STM};

步驟205:使用K-means聚類方法對數(shù)據(jù)集STrecords={ST1,ST2,…,STM}進(jìn)行聚類,K為步驟232得到的最佳K值,得到貨車類別標(biāo)簽Labels={L1,L2,…,LM};

步驟206:使用樸素貝葉斯分類器,訓(xùn)練數(shù)據(jù)集為STrecords={ST1,ST2,…,STM},類別標(biāo)簽為Labels={L1,L2,…,LM},得到分類器ModelB。

8.根據(jù)權(quán)利要求1所述的一種基于聚類和余弦相似度的物流推薦方法,其特征在于,所述步驟三中分別使用貨車數(shù)據(jù)集訓(xùn)練出的分類器和車輛數(shù)據(jù)集訓(xùn)練出的分類器進(jìn)行分類的詳細(xì)步驟如下:

步驟301:推薦內(nèi)容選擇;

步驟302:當(dāng)選擇推薦貨物時執(zhí)行步驟407,否則執(zhí)行步驟403;

步驟303:輸入貨物信息Trecord={t1,t2,t3,t4,t5},t1表示貨物運輸價格,t2表示貨物重量,t3表示貨物出發(fā)地,t4表示貨物目的地,t5表示貨物發(fā)車時間;

步驟304:定義臨時變量dis表示出發(fā)地到目的地間的距離,定義臨時變量time表示從出發(fā)地到目的地需要的時間,調(diào)用高德api計算從出發(fā)地t3到目的地t4的經(jīng)過的距離和花費的時間,并分別賦值給dis和time,然后用dis和time代替Trecord中的t3和t4;

步驟305:對貨物信息Trecord進(jìn)行中心和和標(biāo)準(zhǔn)化處理,得到數(shù)據(jù)STrecord={ST1,ST2,ST3,ST4,ST5};

步驟306:使用步驟303得到的分類器ModelA對數(shù)據(jù)STrecord分類,得到類別標(biāo)簽Tlabel;

步驟307:輸入貨車信息c1表示車主希望的運輸價格,c2表示貨車剩余載重,c3表示貨車出發(fā)地,c4表示貨車目的地,c5表示貨車發(fā)車時間;

步驟308:定義臨時變量dis表示出發(fā)地到目的地間的距離,定義臨時變量time表示從出發(fā)地到目的地需要的時間,調(diào)用高德api計算從出發(fā)地c3到目的地c4的經(jīng)過的距離和花費的時間,并分別賦值給dis和time,然后用dis和time代替Crecord中的c3和c4;

步驟309:對貨車信息Crecord進(jìn)行中心和和標(biāo)準(zhǔn)化處理,得到數(shù)據(jù)SCrecord={SC1,SC2,SC3,SC4,SC5};

步驟310:使用步驟306得到的分類器ModelB對數(shù)據(jù)SCrecord分類,得到類別標(biāo)簽Clabel。

9.根據(jù)權(quán)利要求1所述的一種基于聚類和余弦相似度的物流推薦方法,其特征在于,所述步驟四中使用余弦相似度方法計算貨主或車主經(jīng)過歸一化處理的數(shù)據(jù)與分類器分得的類中所有元素的相似度對貨物數(shù)據(jù)集或貨車數(shù)據(jù)集根據(jù)相似度從高到低排列,向用戶推薦的詳細(xì)步驟如下:

步驟401:根據(jù)步驟305得到的標(biāo)簽,從數(shù)據(jù)集STrecords={ST1,ST2,…,STM}中抽取類別標(biāo)簽為Tlabel的數(shù)據(jù)組成新的數(shù)據(jù)集TTrecord={TT1,TT2,…,TTN};

步驟402:設(shè)定循環(huán)變量為n,并賦予初值n=1;

步驟403:當(dāng)n<=N執(zhí)行步驟504,否則執(zhí)行506;

步驟404:使用余弦相似度方法,計算貨車信息SCrecord={SC1,SC2,SC3,SC4,SC5}和貨物數(shù)據(jù)集TTrecord={TT1,TT2,…,TTN}中的TTn相似度,并將值賦給SIMn;

步驟405:n=n+1繼續(xù)執(zhí)行步驟503;

步驟406:對數(shù)據(jù)集TTrecord={TT1,TT2,…,TTN}根據(jù)相似度值SIM從大大小進(jìn)行排序;

步驟407:將經(jīng)過排序的TTrecord從前往后推薦給車主;

步驟408:根據(jù)步驟302得到的標(biāo)簽,數(shù)據(jù)集SCrecords={SC1,SC2,…,SCM}中抽取類別標(biāo)簽為Clabel的數(shù)據(jù)組成新的數(shù)據(jù)集SSrecords={SS1,SS2,…,SSN};

步驟409:設(shè)定循環(huán)變量為n,并賦予初值n=1;

步驟410:當(dāng)n<=N執(zhí)行步驟511,否則執(zhí)行步驟513;

步驟411:使用余弦相似度方法,計算貨物信息STrecord={ST1,ST2,ST3,ST4,ST5}和貨車數(shù)據(jù)集SSrecords={SS1,SS2,…,SSN}中的Ssn相似度,并將值賦給SIMn;

步驟412:n=n+1繼續(xù)執(zhí)行步驟510;

步驟413:對數(shù)據(jù)集SSrecords={SS1,SS2,…,SSN}根據(jù)相似度值SIM從大大小進(jìn)行排序;

步驟414:將經(jīng)過排序的SSrecords從前往后推薦給貨主。

當(dāng)前第2頁1 2 3 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1
东乌珠穆沁旗| 淮南市| 昌宁县| 合山市| 新建县| 闽侯县| 自治县| 昌黎县| 宁陕县| 米泉市| 溧阳市| 宝应县| 千阳县| 稷山县| 搜索| 登封市| 富川| 鹿泉市| 大安市| 普洱| 杭锦后旗| 宁夏| 交城县| 林口县| 内江市| 高邑县| 绩溪县| 唐河县| 红河县| 新平| 雷山县| 天柱县| 南丹县| 潮州市| 班玛县| 金门县| 澎湖县| 吉隆县| 会同县| 开封县| 城口县|