基于增量学习的物流数据分类算法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-26页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 相关知识介绍 | 第10-18页 |
| 1.2.1 增量学习 | 第10-14页 |
| 1.2.2 数据分类 | 第14-18页 |
| 1.3 物流应用前景 | 第18-23页 |
| 1.3.1 国内外物流发展现状 | 第18-19页 |
| 1.3.2 现代物流及相关技术 | 第19-22页 |
| 1.3.3 我国物流发展前景 | 第22-23页 |
| 1.3.4 物流数据处理现状 | 第23页 |
| 1.4 论文的主要研究内容 | 第23-24页 |
| 1.5 论文的主要章节安排 | 第24-26页 |
| 第二章 基于双样本的一种随机梯度下降改进算法 | 第26-39页 |
| 2.1 相关工作 | 第26-28页 |
| 2.2 预备知识 | 第28-30页 |
| 2.2.1 梯度下降算法 | 第28-29页 |
| 2.2.2 随机梯度下降算法 | 第29-30页 |
| 2.3 改进算法描述 | 第30-34页 |
| 2.4 算法实验结果及分析 | 第34-38页 |
| 2.5 本章小结 | 第38-39页 |
| 第三章 基于遗忘因子的SVMSGD分类算法 | 第39-54页 |
| 3.1 相关工作 | 第39-41页 |
| 3.2 预备知识 | 第41-49页 |
| 3.2.1 基于随机梯度下降的SVM分类算法 | 第41-43页 |
| 3.2.2 遗忘因子概述 | 第43-44页 |
| 3.2.3 改进算法描述 | 第44-49页 |
| 3.3 算法实验结果及分析 | 第49-52页 |
| 3.4 本章小结 | 第52-54页 |
| 第四章 总结与展望 | 第54-56页 |
| 4.1 论文工作总结 | 第54页 |
| 4.2 论文工作展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第60-61页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第61-62页 |
| 致谢 | 第62页 |
