基于CART決策樹的CCL大數(shù)據(jù)有效信息提取

張夢澤，張一舟，李凱勇

(1.韓國世宗大學(xué)，韓國 首爾 05006;2.青海民族大學(xué)物理與電子信息工程學(xué)院，青海 西寧 810007)

1 引言

冷鏈物流的大數(shù)據(jù)是建立在物流系統(tǒng)的反饋信息技術(shù)上的，這樣能夠更加清楚地看到物流系統(tǒng)所反饋的信息，這樣能很好地監(jiān)控貨物的情況[1]。具體來說，就是在數(shù)據(jù)感知技術(shù)和信息反饋技術(shù)的基礎(chǔ)上來對大量的數(shù)據(jù)進(jìn)行整合、挖掘和處理，過濾掉多余的信息，提取有效的信息，并讓這些有效的信息能夠共享，通過網(wǎng)絡(luò)來傳輸數(shù)據(jù)，并把這些數(shù)據(jù)輸送到監(jiān)控端[2]。在這個(gè)過程中產(chǎn)生了重影識別和邊界孤立點(diǎn)等很多沒用的信息，過濾掉這些信息，并對這些信息進(jìn)行識別，從而讓效率得到提高。這樣就能在大數(shù)據(jù)下形成獨(dú)立的領(lǐng)域，來集中數(shù)據(jù)，提高挖掘技術(shù)，進(jìn)而提高對數(shù)據(jù)的提取和辨別[3]。

賀琳等人[4]提出了一種新的區(qū)域物流系統(tǒng)空間演化特征信息提取法，對粒子群進(jìn)行優(yōu)化、重組、更新，來重新構(gòu)建這些特征，通過對類別進(jìn)行調(diào)整，提取矢量平衡點(diǎn)，來計(jì)算物流信息在有限數(shù)據(jù)集方面所形成的擾動(dòng)矢量，從而形成目標(biāo)函數(shù)，有利于調(diào)整和重構(gòu)物流信息，并對這些物流信息及時(shí)提取，這樣所采用的方法能大大地縮短物流信息的提取時(shí)間，提高物流的通信效率；王妍等人[5]則提出了基于互信息的實(shí)時(shí)物流特征提取算法，在對移動(dòng)網(wǎng)絡(luò)的電子商務(wù)物流信息進(jìn)行主成分分析的基礎(chǔ)上來確定好物流信息所蘊(yùn)含的強(qiáng)度，從而規(guī)定好原則，挖掘出其中的信息，通過主成分分析法來提取網(wǎng)絡(luò)物流信息，形成協(xié)方差矩陣，產(chǎn)生信息向量投影，采用對商務(wù)物流信息的及時(shí)抓取來降低噪聲，減少提取的時(shí)間，占用較小的空間，提高物流信息的質(zhì)量。

基于以上背景，本文將CART決策樹應(yīng)用到了冷鏈物流大數(shù)據(jù)有效信息提取中，從而提高冷鏈物流大數(shù)據(jù)有效信息提取性能。

2 冷鏈物流大數(shù)據(jù)有效信息提取方法設(shè)計(jì)

2.1 預(yù)處理冷鏈物流大數(shù)據(jù)有效信息

在冷鏈物流大數(shù)據(jù)上建立了有效信息是采用的非結(jié)構(gòu)化的冷鏈物流數(shù)據(jù)源，這些數(shù)據(jù)也許不完整或有誤，但是對這些數(shù)據(jù)的處理能夠很好地提高數(shù)據(jù)的質(zhì)量[6]。并且因?yàn)槔滏溛锪鞔髷?shù)據(jù)是離散的空間信息，而且這些信息是孤立的或是噪聲，所以要進(jìn)行特征降維的方法來設(shè)計(jì)這些離散點(diǎn)，而對于孤立點(diǎn)的敏感問題，則要用單邊加權(quán)模糊支持向量機(jī)的方法，而對數(shù)據(jù)的預(yù)處理則是由數(shù)據(jù)的清洗、規(guī)范、集成和變化等過程組成的[7]。假設(shè)t0表示冷鏈物流大數(shù)據(jù)的有效信息變量分區(qū)起點(diǎn)，將冷鏈物流大數(shù)據(jù)有效信息通暢分布在第i層中，那么有效信息的返回狀態(tài)表示為

Y=AY+B[f(Y)+u]

(1)

式(1)中，A表示有效信息變量集，B表示無效信息變量，u表示物流需求系數(shù)，f(Y)表示物流信息修正函數(shù)。利用CART決策樹對冷鏈物流大數(shù)據(jù)有效信息進(jìn)行分布式計(jì)算，由于CART決策樹具有容錯(cuò)性，計(jì)算過程中經(jīng)常出錯(cuò)[8]，因此，根據(jù)偏度概念對冷鏈物流大數(shù)據(jù)的有效信息進(jìn)行修正，表示為

(2)

(3)

2.2 分析冷鏈物流大數(shù)據(jù)有效信息

為了實(shí)現(xiàn)冷鏈物流大數(shù)據(jù)有效信息的實(shí)時(shí)提取，現(xiàn)在冷鏈物流大數(shù)據(jù)庫中挖掘出有效信息，利用冷鏈物流大數(shù)據(jù)有效信息中蘊(yùn)含的關(guān)聯(lián)規(guī)則，挖掘出冷鏈物流大數(shù)據(jù)庫中的有效信息[10]。具體過程如下：

引入蘊(yùn)含強(qiáng)度挖掘冷鏈物流大數(shù)據(jù)有效信息之間的關(guān)聯(lián)度，蘊(yùn)含強(qiáng)度的表達(dá)式為

(4)

其中，η(t，s)表示有效信息在冷鏈物流大數(shù)據(jù)中產(chǎn)生的幾率。當(dāng)采用蘊(yùn)含強(qiáng)度度量冷鏈物流大數(shù)據(jù)有效信息的關(guān)聯(lián)規(guī)則時(shí)，關(guān)聯(lián)規(guī)則的度量方式如下

t?s(sup，conf，cov)

(5)

其中，sup表示支持度，conf表示置信度，cov表示覆蓋率。

在關(guān)聯(lián)規(guī)則的指引下，蘊(yùn)含關(guān)聯(lián)規(guī)則可以表示為

t?s(η，α)

(6)

其中，η表示蘊(yùn)含關(guān)聯(lián)規(guī)則的蘊(yùn)含強(qiáng)度，取值范圍在-1到1之間，α表示蘊(yùn)含強(qiáng)度的閾值。

基于冷鏈物流大數(shù)據(jù)中有效信息節(jié)點(diǎn)的數(shù)目計(jì)算，遍歷每一個(gè)有效信息，通過挖掘的冷鏈物流大數(shù)據(jù)有效信息，分析了冷鏈物流大數(shù)據(jù)有效信息。

2.3 重構(gòu)冷鏈物流大數(shù)據(jù)有效信息的特征矢量

冷鏈物流大數(shù)據(jù)有效信息的提取重點(diǎn)是檢驗(yàn)有效信息在冷鏈物流大數(shù)據(jù)中出現(xiàn)的概率[11]，冷鏈物流大數(shù)據(jù)庫中包含n個(gè)有效信息數(shù)據(jù)樣本，X表示有效信息集合，那么冷鏈物流大數(shù)據(jù)有效信息的時(shí)間序列為

X={x1，x2，…，xn}?Rs

(7)

其中，xi(i=1，2，…，n)表示冷鏈物流大數(shù)據(jù)有效信息的向量，計(jì)算公式為

xi=(xi1，xi2，…，xis)T

(8)

其中，T表示轉(zhuǎn)置向量。令c表示冷鏈物流大數(shù)據(jù)有效信息的時(shí)間序列中的分類系數(shù)，vij表示冷鏈物流大數(shù)據(jù)i中第j個(gè)有效信息矢量，那么冷鏈物流大數(shù)據(jù)有效信息的更新公式為

V={vij∣i=1，2，…，c，j=1，2，…，s}

(9)

采用CART決策樹對冷鏈物流大數(shù)據(jù)有效信息的更新結(jié)果進(jìn)行調(diào)整[12]，實(shí)現(xiàn)冷鏈物流大數(shù)據(jù)的有效信息特征矢量重構(gòu)，表示為

(10)

利用冷鏈物流大數(shù)據(jù)有效信息的時(shí)間序列，計(jì)算了冷鏈物流大數(shù)據(jù)有效信息的向量，通過更新和調(diào)整冷鏈物流大數(shù)據(jù)有效信息，重構(gòu)了冷鏈物流大數(shù)據(jù)有效信息的特征矢量。

2.4 提取冷鏈物流大數(shù)據(jù)有效信息

在重構(gòu)冷鏈物流大數(shù)據(jù)有效信息特征矢量的基礎(chǔ)上，利用CART決策樹計(jì)算有效信息的權(quán)值，將有效信息決策樹矢量與均值聚類算法結(jié)合，計(jì)算冷鏈物流大數(shù)據(jù)有效信息的擾動(dòng)矢量，通過構(gòu)建有效信息適應(yīng)度目標(biāo)函數(shù)，調(diào)整并重構(gòu)有效信息的類別，實(shí)現(xiàn)冷鏈物流大數(shù)據(jù)有效信息的提取。

假設(shè)X′表示具有均勻便利性的冷鏈物流大數(shù)據(jù)有效信息的特征矢量數(shù)據(jù)集，一個(gè)冷鏈物流大數(shù)據(jù)有效信息決策樹由M各單獨(dú)的有效信息枝葉組成，那么在最優(yōu)目標(biāo)策略下，滿足冷鏈物流大數(shù)據(jù)有效信息搜索的有限數(shù)據(jù)集為

(11)

(12)

(13)

根據(jù)上述公式，可以計(jì)算冷鏈物流大數(shù)據(jù)有效信息的最優(yōu)解，以及CART決策樹的聚類中心擾動(dòng)矢量，從而得到冷鏈物流大數(shù)據(jù)有效信息的聚類矩陣，將其表示為

(14)

其中，c表示冷鏈物流大數(shù)據(jù)有效信息的差分步數(shù)，uik表示冷鏈物流大數(shù)據(jù)有效信息決策矩陣，為了反映出冷鏈物流大數(shù)據(jù)有效信息在決策分類過程中的變化特性，計(jì)算了CART決策樹差分?jǐn)_動(dòng)下，冷鏈物流大數(shù)據(jù)有效信息的適應(yīng)度目標(biāo)函數(shù)，表示為

(15)

其中，m表示冷鏈物流大數(shù)據(jù)有效信息向量的最大值，(dik)2表示冷鏈物流大數(shù)據(jù)有效信息樣本xk與vi之間的歐式距離，計(jì)算公式為

(16)

根據(jù)以上過程，可以通過下式計(jì)算冷鏈物流大數(shù)據(jù)有效信息在決策過程中的數(shù)據(jù)值大小，計(jì)算公式為

(17)

運(yùn)用CART決策樹的差分?jǐn)_動(dòng)，產(chǎn)生一個(gè)冷鏈物流大數(shù)據(jù)有效信息的初始隸屬度矩陣，并置于決策樹中，得到冷鏈物流大數(shù)據(jù)有效信息的擾動(dòng)變量，即

xn，G=xn，G+Δxi

(18)

其中，Δxi表示冷鏈物流大數(shù)據(jù)有效信息的數(shù)量增長，但是冷鏈物流大數(shù)據(jù)有效信息范圍的信息序列會受到有效信息梯度的影響，表示為

xn+1=4xn(1-xn)，n=1，2，…，NP

(19)

根據(jù)以上公式的計(jì)算過程，可以得出冷鏈物流大數(shù)據(jù)有效信息的決策處于穩(wěn)定狀態(tài)，在CART決策樹中加入冷鏈物流大數(shù)據(jù)有效信息的NP各擾動(dòng)變量的混沌分量，表示為

Δxi=a+(b-a)xn，n=1，2，…，NP

(20)

為了避免冷鏈物流大數(shù)據(jù)有效信息在提取過程中陷入局部最優(yōu)的狀態(tài)，Nth表示門限值，計(jì)算出冷鏈物流大數(shù)據(jù)有效信息在決策中的多樣性因子，即

(21)

采用CART決策樹采集與處理冷鏈物流大數(shù)據(jù)有效信息，提取出冷鏈物流大數(shù)據(jù)有效信息的第j個(gè)樣本值，調(diào)整冷鏈物流大數(shù)據(jù)有效信息的類別

(22)

其中，N表示冷鏈物流大數(shù)據(jù)有效信息數(shù)量，根據(jù)CART決策樹對冷鏈物流大數(shù)據(jù)有效信息進(jìn)行擾動(dòng)分解，計(jì)算出決策樹中第i′個(gè)有效信息的決策中心概率值

(23)

其中，xk表示第k個(gè)冷鏈物流大數(shù)據(jù)有效信息的動(dòng)態(tài)慣性權(quán)重，a表示冷鏈物流大數(shù)據(jù)有效信息決策中心的調(diào)節(jié)參數(shù)。將冷鏈物流大數(shù)據(jù)有效信息的擾動(dòng)序列添加到CART決策樹中，對冷鏈物流大數(shù)據(jù)有效信息進(jìn)行第二次重構(gòu)，提取出重構(gòu)處理后的冷鏈物流大數(shù)據(jù)有效信息

(24)

綜上所述，采用混沌算法計(jì)算了冷鏈物流大數(shù)據(jù)有效信息的決策權(quán)值，引入CART決策樹對冷鏈物流大數(shù)據(jù)有效信息進(jìn)行調(diào)整和重構(gòu)，實(shí)現(xiàn)冷鏈物流大數(shù)據(jù)有效信息的提取。

3 實(shí)驗(yàn)分析

3.1 冷鏈物流信息噪聲含量對比

為了驗(yàn)證基于CART決策樹的冷鏈物流大數(shù)據(jù)有效信息提取方法的性能，采用仿真軟件進(jìn)行實(shí)驗(yàn)分析，引入文獻(xiàn)[4]的冷鏈物流大數(shù)據(jù)有效信息提取方法和文獻(xiàn)[5]的冷鏈物流大數(shù)據(jù)有效信息提取方法作為對比對象，測試了冷鏈物流大數(shù)據(jù)有效信息的噪聲含量，結(jié)果如圖1所示。

圖1 冷鏈物流大數(shù)據(jù)有效信息的噪聲含量

從圖1的結(jié)果可以看出，采用基于CART決策樹的冷鏈物流大數(shù)據(jù)有效信息提取方法，提取到的冷鏈物流大數(shù)據(jù)有效信息是噪聲含量最少的，說明該方法可以有效保證冷鏈物流大數(shù)據(jù)有效信息的質(zhì)量，避免信息出現(xiàn)亂碼和失真的問題，提高了冷鏈物流大數(shù)據(jù)有效信息的提取性能。

3.2 冷鏈物流信息提取時(shí)間對比

為了實(shí)現(xiàn)冷鏈物流大數(shù)據(jù)有效信息提取的實(shí)時(shí)性，實(shí)驗(yàn)測試了冷鏈物流大數(shù)據(jù)有效信息的提取時(shí)間，三種方法的冷鏈物流大數(shù)據(jù)有效信息提取時(shí)間對比結(jié)果如圖2所示。

圖2 冷鏈物流大數(shù)據(jù)有效信息提取時(shí)間對比結(jié)果

從圖2的結(jié)果可以看出，隨著冷鏈物流大數(shù)據(jù)有效信息越來越大，有效信息的提取時(shí)間越來越長?；贑ART決策樹的冷鏈物流大數(shù)據(jù)有效信息提取方法所用的時(shí)間是最短的，原因是該方法通過引入CART決策樹，降低了冷鏈物流大數(shù)據(jù)有效信息的復(fù)雜度；文獻(xiàn)[4]冷鏈物流大數(shù)據(jù)有效信息提取方法的提取時(shí)間是最長的，說明基于CART決策樹的冷鏈物流大數(shù)據(jù)有效信息提取方法可以加快冷鏈物流大數(shù)據(jù)有效信息提取速度，保證了冷鏈物流大數(shù)據(jù)有效信息提取的實(shí)時(shí)性。

4 結(jié)束語

本文提出了基于CART決策樹的冷鏈物流大數(shù)據(jù)有效信息提取，針對傳統(tǒng)信息提取方法存在的不足，對冷鏈物流大數(shù)據(jù)有效信息進(jìn)行了預(yù)處理、分析以及重構(gòu)實(shí)現(xiàn)了冷鏈物流大數(shù)據(jù)有效信息的提取，結(jié)果顯示，該提取方法可以保證冷鏈物流大數(shù)據(jù)有效信息提取的實(shí)時(shí)性，并提高信息質(zhì)量。