检索结果-南通市图书馆

基于深度学习的交通状态判别和短时交通流量预测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的交通状态判别和短时交通流量预测方法研究

作者：董煦宸北京交通大学

学位级别：硕士

近年来,随着经济的不断发展,汽车保有量的快速增长给城市道路带来了交通拥堵、环境污染等负面影响,而智能交通系统的出现对交通运行效率的提高起到了重要作用。合理的交通状态判别和准确的交通流量预测为智能交通系统中交通诱导、交通... 详细信息

近年来,随着经济的不断发展,汽车保有量的快速增长给城市道路带来了交通拥堵、环境污染等负面影响,而智能交通系统的出现对交通运行效率的提高起到了重要作用。合理的交通状态判别和准确的交通流量预测为智能交通系统中交通诱导、交通规划等重要模块提供了重要支持,是目前智能交通系统领域的热门课题。针对交通流量具有周期性、相似性和空间连通性等时空变化特点,本文以洛杉矶城区高速路网为研究对象,从交通状态挖掘和短时交通流量预测两个方面进行了深入研究,提出了一种基于深度学习的改进交通状态判别和短时交通流量预测方法。本文工作可为大规模高速路网管控提供支撑,具有较大的实际应用价值。主要工作如下:首先,针对交通流量变化具有周期性、相似性和空间连通性三种主要特性进行可视化验证,为交通状态判别和短时交通流量预测打下基础。其次,考虑到工作日与休息日交通信息序列变化趋势不同,本文构造了分类样本对,通过共享参数的LSTM网络对分类样本对进行编码,并利用路网不同节点交通状态变化相似性的特点,将这种编码方式扩展到路网中的任意节点规定长度的交通信息序列;为挖掘出更合理的交通状态信息,基于LSTM编码的交通信息序列提出了改进的K-Means聚类算法,并通过实验验证了编码方法的有效性和聚类方法的收敛性。最后,针对短时交通流量预测问题,结合FM结构、注意力机制和LSTM结构提出了Cluster-Attention-LSTM预测模型,从时间和空间两个方面学习交通流量变化的周期性和空间连通性信息,对不同检测器节点学习不同的数据变化规律,有效提高了短时交通流量预测的准确性;并在改进的聚类算法结果基础上,在保证预测精度的前提下,有效压缩了预测模型参数数量。通过实验对比分析,验证了预测模型在整体路网中的预测准确性,说明了本文提出短时流量预测模型的可行性。

关键词：交通状态挖掘短时交通流量预测聚类模型共享参数的LSTM网络注意力机制

基于密度峰值和改进潜在语义的动态文摘算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于密度峰值和改进潜在语义的动态文摘算法研究

作者：郭禹田杭州电子科技大学

学位级别：硕士

动态文摘的研究对象是多文档集合,这些文档中的内容是随着时间而更新演化的。但是动态文摘中存在高冗余、新颖信息丢失等问题,严重影响了动态文摘的质量。为了解决上述问题,本文研究和对比了常见的摘要生成方法,并提出了两种算法:基于... 详细信息

动态文摘的研究对象是多文档集合,这些文档中的内容是随着时间而更新演化的。但是动态文摘中存在高冗余、新颖信息丢失等问题,严重影响了动态文摘的质量。为了解决上述问题,本文研究和对比了常见的摘要生成方法,并提出了两种算法:基于密度峰值和基于改进的潜在语义分析的动态文摘算法。改进的潜在语义分析动态文摘算法,在构建文本特征矩阵时,通过加入语义单元以降低矩阵的稀疏性,有效减少了矩阵奇异值分解的时间。同时,在评估主题冗余度时候,构造出阈值函数,过滤掉和主题关联性低的实词和短语,并设计了二元组信息增益模块,以进一步提升了主题新颖度评估的准确性。基于密度峰值的动态文摘算法,首先根据句间相似值来对每条语句的主题代表性和信息多样性进行评分。然后在摘要抽取过程中,引入了主题标志模型来评估语句的新颖性,以便提取事件中的更新演进信息。最后依据摘要的长度限制,本文制定了基于句子综合评分和整数规划模型的摘要生成策略,保证算法能够在短时间内生成高质量的文摘。实验结果表明,相比于传统的潜在语义分析动态文摘算法,本文提出的算法有效降低了语义挖掘的时间复杂度,并提升了主题新颖度评估的精准性。基于密度峰值的动态文摘算法,不仅模型简洁而且效率较高,在工业领域有较大的应用潜力。

关键词：动态摘要潜在语义分析主题标志密度峰值聚类模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

单细胞相关技术趋势分析算法研究

单细胞相关技术趋势分析算法研究

作者：郑淮予吉林大学

学位级别：硕士

多细胞生物依赖多种分化的细胞密切合作,共同完成复杂的生命活动。通过对单个细胞和细胞间的相互作用分析来揭示生物体内的活动,可以达到对细胞间差异的发现和对疾病进行精准治疗的目标。在对细胞中蕴含的信息进行研究时,会采用不同的... 详细信息

多细胞生物依赖多种分化的细胞密切合作,共同完成复杂的生命活动。通过对单个细胞和细胞间的相互作用分析来揭示生物体内的活动,可以达到对细胞间差异的发现和对疾病进行精准治疗的目标。在对细胞中蕴含的信息进行研究时,会采用不同的技术进行研究与分析。随着单细胞研究投入的增加,单细胞相关技术大量涌现,积累了大量相关数据。然而,研究者们难以从海量的数据中获得有效的信息,提出快速高效的机器学习算法对单细胞相关技术的研究热点进行自动抽取和智能分析,已成为生物信息学领域亟待解决的问题之一。本文基于机器学习方法对2009年至2019年的单细胞技术研究论文进行了研究热点自动抽取。通过对抽取后的热点进行分析,对单细胞相关技术的研究趋势与发展方向进行了预测,希望能够为单细胞研究学者在开展相关研究时提供决策支持。本文首先从Pub Med中提取了与单细胞技术相关的论文全文和论文摘要数据集,构建了基于自然语言处理方法的研究热点抽取模型,分别对论文全文和论文摘要数据进行热点抽取。然后,对抽取后的热点结合Me SH数据库进行实体过滤,并从解刨学、化学品和药物、疾病三个角度对单细胞技术的研究热点进行分析。最后,基于DAVID工具对抽取后的热点进行基因分析,从疾病和基因的Pathway两方面对论文全文和论文摘要的数据进行了分析,将分析结果借助作图工具进行了可视化展示。该文工作取得的成果能够为生物医学相关研究人员提供数据支持和理论依据。

关键词：单细胞技术主题模型聚类模型自然语言处理可视化分析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于卷积神经网络的领域自适应算法研究

基于卷积神经网络的领域自适应算法研究

作者：高龙国防科学技术大学

学位级别：硕士

领域自适应是提高分类器的鲁棒性,增强其实用性能的重要研究方向之一。卷积神经网络是新兴起的提取特征方法。本研究尝试将卷积神经网络结合到领域自适应问题中,以提取更加有效的特征。本文从有监督、半监督和无监督学习三个方面研究了... 详细信息

领域自适应是提高分类器的鲁棒性,增强其实用性能的重要研究方向之一。卷积神经网络是新兴起的提取特征方法。本研究尝试将卷积神经网络结合到领域自适应问题中,以提取更加有效的特征。本文从有监督、半监督和无监督学习三个方面研究了该问题,并提出了三种算法。具体工作概括如下:(1)提出了一种结合CORAL算法与对抗网络dCNN的有监督领域自适应算法。该算法在已有的对抗网络dCNN的基础上,首先简化了dCNN的网络,然后将dCNN提取的特征输入到CORAL算法中,使得域间特征分布差异进一步缩小,从而提高了分类精度。(2)提出了一种分批处理目标数据集的半监督领域自适应算法。该方法基于测试集中不同样本的可区分程度不同的假设,提出了将训练集与测试所得置信度高的样本合并的方法,从而改善训练集的分布,提高了分类器对目标域数据集的适应性。实验结果表明分类器的性能有较大提高。(3)提出了广义的迁移聚类模型与基于核方法的无监督领域自适应算法。本部分工作列举了常见的聚类方法,并提出了聚类问题的三个步骤模型。然后提出了基于关键点的局部核对齐的多核聚类算法,本文在UCI数据集上进行了测试,并利用VGGNet提取特征并输入到聚类算法中聚类,得到了比原有LMKKM算法更好的实验结果。

关键词：领域自适应卷积神经网络特征提取伪标签聚类模型核方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于聚类和决策树算法的股票配置策略研究

基于聚类和决策树算法的股票配置策略研究

作者：陈涛北京交通大学

学位级别：硕士

随着我国市场经济的发展以及各项制度的不断深化改革,我国资本市场也在逐步的发展和完善,股票市场已经成为我国资本市场的重要组成部分,人们的理财意识和投资意识日益增强,股票投资已经成为人们进行资产配置的重要手段,因此,如何选取股... 详细信息

随着我国市场经济的发展以及各项制度的不断深化改革,我国资本市场也在逐步的发展和完善,股票市场已经成为我国资本市场的重要组成部分,人们的理财意识和投资意识日益增强,股票投资已经成为人们进行资产配置的重要手段,因此,如何选取股票,做好风险收益的平衡,合理优化股票配置具有十分重大的理论意义和非常诱人的应用价值。所谓股票配置是指根据投资需求将投资资金在不同股票类别之间进行分配,其本质是通过对股票的分析,再根据自身风险承受能力和投资风格最终进行一只或一组股票的选取搭配以达到投资风险与收益的合理预期。在中国愈加规范的股票市场发展的当今,强调价值投资的理念,鼓励投资者投资行为,避免投机行为将成为未来中国股市健康发展的方向。从上世纪改革开放以来,中国的经济迅速崛起,其发展取得了举世睹目的成就,同时我国的资本市场也伴随着中国的改革开放程度和市场经济完善的进程在不断成长成熟,各项政策制度也日臻完善。随着中国加入WTO,也对中国的股票市场建设提出了更高的要求,中国的资本市场需要与国际接轨。尤其近年来,国建大力规范和完善资本市场各项制度,强调股票市场的价值发现属性,弱化长久以来中国股票市场以融资为主的特性。各项研究表明,在国外有良好应用的价值投机理论在中国的股票市场存在着良好的发展空间。证券市场本身就是一个极其烦杂的系统,包含高噪声、非线性和投资者的任盲目随意性等诸多因素,这些决定了股价走势预测的复杂性,股票的配置决策问题始终是社会和学术界热门研究领域之一,因此如何合理的进行股票配置选择,也是目前为止尚未很好解决的一个热点难题。本文主要基于数据挖掘算法和价值投资理进行模型构建,通过对模型结果的分析和对比,评价模型的效果和使用性。最后结合数据模型的分析结果提供相对应的股票配置策略和投资意见。文章在价值投资的基础上研究股票价格的波动与上市公司股票某些指标存在强烈的相关性问题。在具体研究过程中,本文选取的样本数据主要是更加契合价值投资理论分析的沪深300股票,在构建数据挖掘算法模型的选择上,本文主要选择聚类分析和决策树算法进行构建模型。聚类分析可以很好的对类别特征进行描述,因此聚类模型可以很好描述不同盈利表现的股票的特征,为股票配置提供决策方向;决策树算法可以很好地根据数据特征对数据节点进行分类,同时还可以生成分类规则对单个数据节点做出分类预测,因此决策树模型可以直观的对股票盈利表现进行预测。上述两种算法分别从宏观层面和微观层面进行股票分析,两者相结合以完成本文的综合研究分析。

关键词：数据挖掘股票配置策略聚类模型 C5.0决策树模型

基于某本地生活内容平台的用户流失预测与应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于某本地生活内容平台的用户流失预测与应用

作者：郑浩上海财经大学

学位级别：硕士

近年,随着移动互联网的进一步发展,大众需求着更加便捷的上网方式,逐渐由原先的PC转移到更加方便的移动端,各个互联网平台都在抢占着手机端应用的时长,各类手机App之间的竞争也因用户流量数据而强势展开。有需求就有竞争,有竞争就有改... 详细信息

近年,随着移动互联网的进一步发展,大众需求着更加便捷的上网方式,逐渐由原先的PC转移到更加方便的移动端,各个互联网平台都在抢占着手机端应用的时长,各类手机App之间的竞争也因用户流量数据而强势展开。有需求就有竞争,有竞争就有改良和进步,正是市场的需求无形之中对诸多手机APP的形成发展起到了推动作用,由此使用者们在使用上拥有了更多的自由度,但与此同时也带来了一定的弊端,其中一些APP的使用者逐步流失的可能性增加。对于互联网企业来说,最关键的客户来源就是用户,只有源源不断的用户,企业才能够维持生命力,让使用者的使用时间得以稳固,是企业能否长久生存的关键问题。企业要想在激烈的时长竞争中不被市场淘汰,要适时的对自身产品进行更新换代,保持对用户的吸引力,稳住老用户,拉进新用户;同时也要通过数据深入地分析用户的行为习惯和偏好,探索用户行为与流失之间的联系。如果能通过统计模型找到用户留存的关键因素并预测出即将流失的用户,对不用需求的用户制定相应的挽留手段,则将对整个平台有着十分重要的影响。刚好数据挖掘中的模型,能够极好地符合该要求。本文结合本地生活平台内容消费用户与“抖音”、“快手”等内容平台中用户结构不同且更为复杂的特性,运用无监督机器学习模型,先将用户进行分类,了解用户现状以及不同用户的行为特征,再进行流失预警分析。并经过预处理行为特征,通过逻辑回归模型的系数,找到不同用户群体的核心行为,从而进一步提升模型结果对业务的实际应用价值。在实证过程中发现,平台的纯内容消费用户不足50%,平台除了需要转化更多用户成为内容消费用户提升用户时长和粘性外,还需要兼顾原本的找店用户,而不是如其他内容平台一样,单纯的推荐一些泛娱乐内容来增加用户浏览时长。但是,无论是哪一类用户,浏览时长都是用户留存的关键。通过对推算算法排序目标的调整和精细化的推荐排序优化,在实际业务的AB实验中也确实得到了不错的正向效果,次日留存提升0.7%,浏览时长提升0.5%。信息流用户的核心行为是消费时长,找店用户的核心行为是查看内容中的店铺。除了调整推荐算法目标外,也建议运用聚类技术找到不用类型用户,对不用户行为引导,吸引用户进行核心行为的操作,了解产品可以提供的帮助从而提升体验。另外,实际结果表明,根据对模型各项指标的评估（包括召回率、精准率、AUC等）,发现GBDT对于用户流失的预测效果相对更好,具有最好的用户流失预测性能。建议基于此算法预测出的流失用户,并通过PUSH进行流失用户召回机制,结合用户需求推送相应的内容。

关键词：互联网数据挖掘逻辑回归聚类模型随机森林 GBDT

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

《降临》中语言因果的语言学解析

电影评介 2017年第12期 56-58页

作者：陈娟宜春学院

人类社会当前的语言思维活动,仍然停滞在传统的模拟阶段,尤其是亚洲的一些传统语言更是已经几乎一成不变地存在了数千年。而人类社会现代科技突飞猛进的发展,显然早已经使得人类目前所使用的语言,在高度发达的科技、经济、社会、生活等... 详细信息

人类社会当前的语言思维活动,仍然停滞在传统的模拟阶段,尤其是亚洲的一些传统语言更是已经几乎一成不变地存在了数千年。而人类社会现代科技突飞猛进的发展,显然早已经使得人类目前所使用的语言,在高度发达的科技、经济、社会、生活等等诸多方面上,都产生了一种较为严重的发展滞后性。尤其是人类语言框架体系中的语言因果的一成不变性,事实上已经成为人类未来突破性发展的最大的阻碍。

关键词：框架体系人类社会意象化不对称性人类未来因果链不对等性表象化聚类模型时序性

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

异构集群下分布式计算任务聚类调度算法研究

异构集群下分布式计算任务聚类调度算法研究

作者：许明睿西北大学

学位级别：硕士

近年来,无论是基于电子商务的日志记录文件,还是基于高性能科学计算的应用程序,都在不断产生大量的数据,通常称之为“大数据”,同时随着物联网设备的普遍使用,相似规模的大数据也逐渐增加。处理和分析这些数据成为一项日常任务,一般来... 详细信息

近年来,无论是基于电子商务的日志记录文件,还是基于高性能科学计算的应用程序,都在不断产生大量的数据,通常称之为“大数据”,同时随着物联网设备的普遍使用,相似规模的大数据也逐渐增加。处理和分析这些数据成为一项日常任务,一般来说采用并行分布式算法或者在云环境中运行程序可以有效解决数据量大的问题,不过随着数据规模的不断上升,计算任务数量的不断激增,传统的分布式计算集群不得不增并更多的物理节点以扩大计算能力,与此同时则会带来分布式计算生态环境的一个性能瓶颈,即异构环境下的传统的任务调度策略会使得整个系统的作业完成时间增加。如何有效的调度计算任务至合适的节点上,减少作业的完成时间,提高系统性能的问题仍亟待解决。本文通过抽象出分布式计算框架下任务运行的主要方式以建立数学模型,从一般性的角度考虑当多个用户或应用程序提交至集群中时,如何使总运行时间最少这一问题,提出了基于聚类模型的启发式任务调度算法。本文主要研究了以下内容:(1)针对分布式系统中的任务调度问题进行简单讨论,介绍了几种常见的分布式计算任务调度算法,简要概括了这些调度算法的原理,分析默认调度算法以及现阶段已存在的调度算法存在的不足,找出影响分布式系统作业完成时间这一指标的关键因素。(2)针对分布式计算任务调度问题进行数学建模,证明其问题复杂性为一个NPC问题,分析该问题的关键部分并考虑相应的解决方法,设计了基于聚类的调度策略指导模型。(3)在程序和仿真平台中对提出的聚类算法和基于聚类模型的调度算法进行实验验证,介绍了相应的实验设计,实验参数设置及基于完成时间这一性能指标的性能评估。说明了基于聚类的任务调度模型可以在异构环境中有效解决分布式任务调度问题,提高系统在任务完成时间方面的性能。

关键词：分布式计算调度算法 Hadoop 聚类模型资源分配

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于用户的协同过滤推荐算法研究

基于用户的协同过滤推荐算法研究

作者：王兴茂解放军信息工程大学

学位级别：硕士

随着Web2.0的到来与快速发展,互联网承载的信息呈爆炸式增长,凸显了信息过载问题——面对海量的数据,用户反而很难找到最有用的信息。目前,搜索引擎和推荐系统是进行信息过滤最主要的方法。搜索引擎提供基于关键字的无差别服务,不同用... 详细信息

随着Web2.0的到来与快速发展,互联网承载的信息呈爆炸式增长,凸显了信息过载问题——面对海量的数据,用户反而很难找到最有用的信息。目前,搜索引擎和推荐系统是进行信息过滤最主要的方法。搜索引擎提供基于关键字的无差别服务,不同用户以相同关键字进行查询只能得到相同的搜索结果,即不能根据用户的偏好进行相应的反馈。而推荐系统能够根据用户的偏好主动为用户提供个性化信息过滤服务,推荐和用户最相关的信息,在社会化网络和电子商务中得到了广泛应用。其中,协同过滤推荐算法是当前最流行和最成功的推荐方法,该算法从历史行为信息中挖掘用户偏好,不需要对具体内容进行分析,推荐流程主要有相似度计算、邻居选择和根据邻居进行推荐三个环节。然而,随着近几年国内外关于协同过滤推荐算法研究的深入,流程的各环节研究中还有以下不足:(1)单一相似性计算不准确,引入社会网络用户之间信任关系能够缓解这一问题,但传统多下一跳信任模型计算复杂,而且没考虑信任弱传递性;(2)邻居选择时以相似度为唯一标准,没有考虑邻居用户的推荐贡献能力;(3)在推荐时采用的k均值加权推荐算法没有深入挖掘项目之间的类别关系,降低了用户的个性化要求,而且关于邻居数k的确定过于主观,影响推荐准确度;(4)协同过滤推荐流程中没有去干扰处理。本文针对协同过滤推荐算法流程中存在的以上问题,依托国家863计划课题“面向三网融合的统一安全管控网络”展开研究,主要工作和创新点如下:1.针对相似性计算环节中引入社会网络多下一跳信任模型存在的复杂路径选择和信任弱传递问题,定义新的信任机制,创新性的提出基于项目的一跳信任模型,一步跳转计算用户之间的直接和间接信任距离,进而计算用户之间的信任度。仿真实验表明,该算法降低了训练误差,同时节省了训练时间(约50%);2.针对邻居选择环节没有考虑到目标用户的邻居在推荐时的贡献大小问题,本文从非共同评价项目集这一角度切入,提出贡献因子,考虑邻居用户的推荐能力,使邻居选择更加合理。实验结果表明,本算法提高了推荐准确度;3.针对推荐时存在的两个问题,提出启发式聚类模型,主观的确定邻居数量k,并引入类别相似度的概念,在推荐时根据项目之间的类别相近程度根本改进传统的k均值加权算法,提高推荐的精度。实验结果表明,该算法能够得到更准确的推荐结果;4.在推荐系统中首次引入低通滤波的概念,定义了推荐系统中的项目噪声和信任度,进而提出了低通滤波推荐模型,依据用户对项目的评分特征的贡献大小,确定其在相似度计算时的权重,避免了贡献小的用户评分在计算时权重过大,相当于一个去干扰处理,使得相似度计算更加可信。仿真实验表明,该算法提高了预测结果。

关键词：推荐系统协同过滤信任度信任模型贡献因子聚类模型类别相似度噪声低通滤波推荐模型