1. 毕业设计（论文）主要内容：

支持向量机( support vector machine, svm)是一种基于统计学习理论提出的针对分类和回归问题的新型机器学习方法，可以通过对历史数据的学习，来解决分类问题。其具备较为完整的数学理论和较强的泛化能力，在解决小样本问题上具有较好的效果。

人们对于生鲜冷链的要求日益提高，但是由于生鲜食品的易腐性以及时效性等，生鲜冷链共配发展滞后。所以，优化生鲜冷链末端配送环节成为国内冷链发展的重要课题。

本设计将提供出一种部件、参数已知的新型冷藏箱，为了分析新型冷藏箱在实际环境下的配送能够满足客户订单的能力，建立以实时客户订单为基础的生鲜冷链共配订单分类模型，从配送成本的角度对比新型冷藏箱与其他配送手段，从而确定使用新型冷藏箱实现生鲜冷链共配的可行性。

2. 毕业设计（论文）主要任务及要求

1.针对需求订单选取特征参数，建立指标体系并将其量化。

2.建立生鲜冷链共配订单分类模型，使用svm算法将需求订单分类。

3.根据分类结果进行成本对比，分析使用新型冷藏箱实现共配的可行性。

3. 毕业设计（论文）完成任务的计划与安排

在学校规定的毕业设计时间周期内完成所有工作。

1．第1-3周：接收任务书，查阅文献与资料，提交开题报告，完成开题工作；

2．第4-5周：翻译相关的英文资料（不少于2万印刷符号）；

4. 主要参考文献

2.丁世飞,齐丙娟,谭红艳.支持向量机理论与算法研究综述[j].电子科技大学学报,2011,40(01):2-10.

3.cristianini n, taylor j s. an introduction to support vector machines and other kernel-based learning methods[m]. translated by li guo-zheng, wang meng, zeng hua-jun. beijing: publishing house of electronics industry, 2004..

4.vapnik v n. the nature of statistical learning theory[m]. translated by zhang xue-gong. beijing: tsinghua university press, 2000.