自2008年金融危機(jī)以來(lái),中國(guó)對(duì)世界經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)率一直保持在30%左右,早在2010年中國(guó)就成為世界第二大經(jīng)濟(jì)體,2013年成為世界第一大貨物貿(mào)易國(guó)①,2017年我國(guó)進(jìn)出口貿(mào)易總額為27.79萬(wàn)億元。國(guó)際航運(yùn)服務(wù)于國(guó)際貿(mào)易,而國(guó)際貿(mào)易中90%的物流由國(guó)際海運(yùn)來(lái)完成。20世紀(jì)70年代開(kāi)始流行的集裝箱技術(shù)讓洲際運(yùn)輸成本進(jìn)一步大幅度降低,為全球貿(mào)易提供了更加便利的條件②,近年來(lái)國(guó)際集裝箱航運(yùn)市場(chǎng)運(yùn)價(jià)波動(dòng)劇烈,不可預(yù)見(jiàn)性增強(qiáng),而國(guó)際集裝箱海運(yùn)業(yè)是一個(gè)需要巨大投入的資本密集型行業(yè),運(yùn)價(jià)的劇烈波動(dòng)給航運(yùn)企業(yè),貿(mào)易商以及行業(yè)整體帶來(lái)了巨大的風(fēng)險(xiǎn),運(yùn)價(jià)波動(dòng)趨勢(shì)研究和運(yùn)價(jià)預(yù)測(cè)一直是國(guó)際集裝箱航運(yùn)業(yè)關(guān)注的熱點(diǎn),國(guó)際集裝箱海運(yùn)運(yùn)價(jià)預(yù)測(cè)的研究在提高行業(yè)成本管理水平、降低行業(yè)違約率、提高國(guó)際海運(yùn)運(yùn)輸組織的執(zhí)行效率以及政府決策量化參考等方面有著積極的作用。本文從情報(bào)預(yù)測(cè)是情報(bào)學(xué)重要的應(yīng)用領(lǐng)域?yàn)槠鹗?以研究國(guó)際集裝箱海運(yùn)運(yùn)價(jià)預(yù)測(cè)的理論和方法為目標(biāo),概括出“國(guó)際集裝箱海運(yùn)運(yùn)價(jià)預(yù)測(cè)研究”這一命題,在情報(bào)學(xué)知識(shí)發(fā)現(xiàn)框架指導(dǎo)下,沿著情報(bào)學(xué)對(duì)于信息的“源”、“流”、“用”的研究思路,結(jié)合當(dāng)前的“大數(shù)據(jù)時(shí)代”,在概要闡述研究... 

【文章來(lái)源】：華中師范大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：196 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖２－４?Ｐ－Ｒ曲線示意圖??在ＰＲ圖中，若一個(gè)數(shù)據(jù)挖掘?qū)W習(xí)器的ＰＲ曲線被另一個(gè)數(shù)據(jù)挖掘?qū)W習(xí)器的曲線完全包裹住，??

壯學(xué)位論文??ＤＯＣＴＯＲＡＬ?ＤＩＳＳＥＲＴＡＴＩＯＮ?????（＇ＮＩＮＧＢＯ＇，?＇ＭＩＡＭＩ１）?ｃｏｒｒ＝０．１４５??ＤＡＴＡ?Ｓｏｕｒｃｅ?Ａ?Ｐ￣￣???３２〇〇．?－Ａ－?ＤＡＴＡ?Ｓｏｕｒｃｅ?Ｂ??３０００－?一＾＾?—Ａ??，’?＼??２８００－?／?＼??／?＼?ｚ＇??２６００－?，乂?、、?＼??＼?，?＇??＾?＼??２４００?－?＼??＼??ｖ??＼??２２００?－?＼??、▲、、??２０００－?、、▲??＾?＾?＾??Ｊ＇＇?多?＾?Ｊ１?Ｊ１??＾?ｎ？％?＾?＾?４＂??圖４－６?ＭＩＡＭＩ港時(shí)序圖（數(shù)據(jù)源ＡＢ）??（＇ＮＩＮＧＢＯ＇，?＇ＭＩＡＭＩ＇）?ｃｏｒｒ＝０．８１８??％?－？－?ＤＡＴＡ?Ｓｏｕｒｃｅ?Ｃ??３２〇ｑ?．?／?＼?－?ＤＡＴＡ?Ｓｏｕｒｃｅ?Ｂ??邏．ｎ??２６００－?ｌ?＇Ｖ??２４００?■?－Ｊ?＂?Ｖ－．＇，??２２００?－?＼?＼?，??２０００?■?『、、、▲??ｎ？?令?ｎｆ５?夕?ｆ??義?＾?＾?＾?，??＾?＾?＾?＾??圖４－７?ＭＩＡＭＩ港時(shí)序圖（數(shù)據(jù)源ＢＣ）??８０??

壯學(xué)位論文??＼Ｓ％＾ＷｓＪ?ＤＯＣＴＯＲＡＬ?ＤＩＳＳＥＲＴＡＴＩＯＮ?????６．２．３數(shù)據(jù)挖掘方法選取分析??／?ｃｌａｓｓｉｆｉｃａｔｉｏｎｓｃｉｋｉｔ－ｌｅａｒｎ??／?ｒ＾ｎ?＾?＼?ａｌｇｏｒｉｔｈｍ?ｃｈｅａｔ－ｓｈｅｅｔ??Ｉ?ｍ｝??ｉｅｘｖｕｉ??圖６－３數(shù)據(jù)挖掘方法選擇速查圖??針對(duì)不同的目標(biāo)，對(duì)于不同的數(shù)據(jù)集，數(shù)據(jù)挖掘方法的選擇是有其判斷準(zhǔn)則的，結(jié)合實(shí)踐??經(jīng)驗(yàn)以及相關(guān)開(kāi)源組織提供的根據(jù)不同的目標(biāo)和基礎(chǔ)，建議的數(shù)據(jù)挖掘方法速查圖￥如圖６－３??所示。結(jié)合本文研宄的目標(biāo)，國(guó)際集裝箱海運(yùn)運(yùn)價(jià)預(yù)測(cè)數(shù)據(jù)挖掘方法的選擇遵循如下流程：??（１）判斷樣本數(shù)是否大于５０，只有樣本集的數(shù)量大于５０才有采用數(shù)據(jù)挖掘方法的必要；??（２）判斷是否屬于類(lèi)別預(yù)測(cè)問(wèn)題，對(duì)于類(lèi)別的預(yù)測(cè)主要分為分類(lèi)（ｃｌａｓｓｉｆｉｃａｔｉｏｎ）和聚類(lèi)??（ｃｌｕｓｔｅｒｉｎｇ）兩種，非類(lèi)別預(yù)測(cè)方法包括降維（ｄｉｍｅｎｓｉｏｎａｌｉｔｙ?ｒｅｄｕｃｔｉｏｎ）和回歸??（ｒｅｇｒｅｓｓｉｏｎ）兩種。如果預(yù)測(cè)目標(biāo)是類(lèi)別，則判斷樣本集是否包含有標(biāo)簽的數(shù)據(jù)，所有樣本??都有標(biāo)簽則稱之為有監(jiān)督學(xué)習(xí)（ｓｕｐｅｒｖｉｓｅｄ?ｌｅａｒｎｉｎｇ），所有樣本均無(wú)標(biāo)簽則稱之為無(wú)監(jiān)督學(xué)??習(xí)（ｕｎｓｕｐｅｒｖｉｓｅｄ?ｌｅａｒｎｉｎｇ），介于兩者之間的稱為半監(jiān)督學(xué)習(xí)（ｓｅｍｉ－ｓｕｐｅｒｖｉｓｅｄ?ｌｅａｒｎｉｎｇ），??有監(jiān)督的類(lèi)別預(yù)測(cè)即為分類(lèi)（ｃｌａｓｓｉｆｉｃａｔｉｏｎ），半監(jiān)督和非監(jiān)督的類(lèi)別預(yù)測(cè)則歸為聚類(lèi)??（ｃｌｕｓｔｅｒｉｎｇ）；??（３）對(duì)于分類(lèi)問(wèn)題：??當(dāng)樣本集數(shù)量超過(guò)１００，?〇〇〇時(shí)，首先應(yīng)該嘗試使用ＳＧＤ?Ｃｌａｓｓｉｆｉｅｒ＾（Ｓｔ


本文編號(hào)：3576097