10.3969/j.issn.1001-3695.2017.08.011
基于深度学习的线上农产品销量预测模型研究
针对线上农产品销售存在的信息不对称问题,提出一种结合深度学习算法优势和涉农电商销售数据特点的皇冠模型(ICM).首先建立因素评价指标,将销量分为四个类别;其次采用两层自编码网络提取样本特征,并生成新的特征向量;然后利用带标签样本集训练分类器并对无标签训练样本分类;最后利用BP微调整个网络参数得到使损失函数值达到最小的最优参数,实现线上农产品的销量分类预测.经仿真分析,验证了ICM的分类准确率高达88%,明显高于其他未将数据进行特征学习的浅层分类器,证明了ICM具有较好的增量自学习能力和层次认知能力.
深度学习、农产品销量预测、农产品销量评价指标、ICM
34
TP391(计算技术、计算机技术)
天津市软科学基金项目16450303D;河北省社会科学基金资助项目HB15GL112;河北省科技计划资助项目16450303D
2017-08-16(万方平台首次上网日期,不代表论文的发表时间)
共4页
2291-2293,2344