为了解决机场行李在转运过程中存在的装箱问题,从码放策略、学习算法模型两个方面进行研究,提出基于深度稀疏最小二乘支持向量机模型(Deep Sparse Least Squares Support Vector Machine, DSLSSVM)的行李码放策略。该策略包括评价和决...为了解决机场行李在转运过程中存在的装箱问题,从码放策略、学习算法模型两个方面进行研究,提出基于深度稀疏最小二乘支持向量机模型(Deep Sparse Least Squares Support Vector Machine, DSLSSVM)的行李码放策略。该策略包括评价和决策两个部分。在评价时,通过将行李车与行李离散化,建立两者的数学关系,从而得到评价行李码放位置优劣的评估参数;在决策时,利用深度稀疏最小二乘支持向量机模型学习工人的码放经验,将决策问题转化为二分类问题,选择最佳码放位置进行码放。仿真实验表明:该算法可以达到较高的分类精度,并且能够得到比较理想的装箱效果,具有较强的实用性,满足机场行李高效运输的要求。展开更多
文摘为了解决机场行李在转运过程中存在的装箱问题,从码放策略、学习算法模型两个方面进行研究,提出基于深度稀疏最小二乘支持向量机模型(Deep Sparse Least Squares Support Vector Machine, DSLSSVM)的行李码放策略。该策略包括评价和决策两个部分。在评价时,通过将行李车与行李离散化,建立两者的数学关系,从而得到评价行李码放位置优劣的评估参数;在决策时,利用深度稀疏最小二乘支持向量机模型学习工人的码放经验,将决策问题转化为二分类问题,选择最佳码放位置进行码放。仿真实验表明:该算法可以达到较高的分类精度,并且能够得到比较理想的装箱效果,具有较强的实用性,满足机场行李高效运输的要求。
