关键词： 出租车   网约车   打车需求量预测   极端梯度提升   线性回归   样条曲线  

摘要： 随着国家经济的迅猛发展,城市化进程的不断推进,城市道路交通给居民的日常生活带来了许多便利,但与此同时,人口的持续增长、车辆的日益增多,以及随之而来的居民日常交通出行需求大幅度增长,使得交通拥堵现象越来越频繁。智能交通系统是解决城市道路交通问题较为有效的途径,交通预测则是智能交通系统研究的重要内容。在城市公共交通运输系统中,出租车和网约车是其中的重要组成部分,但由于乘客的出行需求具有较大的波动性与随机性,出租车通过巡游的方式来寻找乘客具有较大的盲目性,同时网约车使用者的不断增加导致出现在某些时段、某些区域网约车供不应求,在另外的一些区域却运力过剩的现象。通过供需预测进行运力调度是解决乘客出行需求与车辆服务之间供需矛盾最为有效的途径。供需预测属于短时交通流预测领域,通过预测在某一时段、某一区域的乘客打车需求,指向性地把过剩的运力向周围特定区域进行调度,从而有效解决供需矛盾。本文通过查阅大量相关文献,从打车需求量预测和短时交通流预测两个方面进行国内外相关文献的综述,对打车需求量的预测展开研究。首先,建立基于极端梯度提升的打车需求量预测模型,从理论推导上分析了极端梯度提升算法相比较于传统的梯度提升算法的优势,通过对样本数据进行预处理,对打车需求量进行分析,构造模型特征,并通过实验对比验证了基于极端梯度提升的预测模型在预测打车需求量方面的有效性以及较其它预测模型更具优越性。其次,建立单变量线性回归模型提取打车需求量的月趋势,建立样条曲线模型提取打车需求量的日趋势,对基于极端梯度提升的打车需求量预测模型的特征进行优化,新增月趋势特征和日趋势特征,并通过实验验证了新增特征对提升模型预测精度的有效性。最后,基于本文所做的研究进行打车需求量预测系统的设计与实现,系统的功能由实时需求量、历史需求量和系统管理三大模块组成,而系统的实现则验证了本文所做研究的有效性与实用性。

关键词： 证券价格预测   最小二乘支持向量机   ELMAN神经网络   隐式马尔科夫模型   回测  

摘要： 股票的交易促进了经济金融的发展。自1773年以来股票首先在英国发行,并且已经存在超过了两百年。中国的股市随着中国的经济一起迅速发展,上市公司的数目也在逐年增加。现在股票市场已经成为了中国经济的“晴雨表”和“报警器”,它对中国经济发展的影响是无法度量的。目前,学者对于证券价格的预测是研究的热点问题之一。预测的方法也随着计算机技术的发展得到了很大的提升。作为数据挖掘领域的尖端技术,机器学习算法首先对训练数据进行学习,进而再将学习到的特征运用到预测中去。成功地预测未来走势是投资成功的唯一保证。本文在简要地阐述机器学习算法的基础上,研究了机器学习算法在上证A股中的适应性,并且以上证指数的日收盘价为例进行了分析与讨论。首先,本文进行机器学习模型在A股中的适应性实证分析,选取上证综数日度数据为样本数据,确定输入变量,选取预测性能好的核函数,采用重构核模型对每日的收盘指数进行建模分析与预测;进而,将实证分析的拟合结果与我们选择的其他模型进行对比分析,验证重构核模型的有效性;最后模型回测,利用HMM模型将本文中的样本区间按照状态分离开,在其中选取有代表性的牛市,熊市和震荡市,分别在这三个状态下通过上文得到的模型进行拟合预测,并且将预测精度与上文的全市场预测精度进行比较,从而完成模型的回测,最终得到在股票市场预测过程中,LS-SVM模型表现更优的结论;通过大量真实的股票数据验证了本文得出的模型可以有效的对股指的变化进行预测,帮助广大投资者了解股票市场的变化情况,对于普通投资者的股票投资有一定的参考意义。

关键词： 新型剧场建筑   视觉效果评价   机器学习   全景图像  

摘要： 该文通过综合应用机器学习、全景影像、计算机图像分析三项关键技术,对新型剧场建筑进行了视觉效果评价新方法的设计和实验,试图解决传统上根据观众与舞台的空间的几何关系等参数来评价剧场视觉效果的方法所无法解决的、空间几何形态和观演方式更加复杂的新型剧场的视觉效果的评价问题。

关键词： 系统要求   医疗文本分类   机器学习算法  

摘要： 为了解决看病难、看病贵的问题,在人工智能的指导下,研发出远程医疗机器人智能导诊系统。其中,机器学习算法扮演着重要的角色,它相当于医生的大脑。本文将对医疗领域常用的机器学习方法进行研究,包括:决策树、神经网络、贝叶斯以及k邻近方法等。通过比较各种机器学习算法在医疗领域的分类效果,发现朴素贝叶斯算法用于疾病诊断算法的效果更好。

关键词： 数据预测   神经网络   R平台  

摘要： 大数据的发展对于数据挖据既是挑战,更是机遇。数据挖掘具有解决数据内在结构和发现数据预测的作用,神经网络用来指示一类广泛的模型和算法,基于一些观测数据的集合生成隐藏的神经元。R语言是一个开源、跨平台的编程语言,现已成为数据分析领域标志性语言。本研究依托R平台,设计人工神经网络的建立步骤,构建R的神经网络实现、应用并且进行结果解读,运用神经网络实现数据的分类预测。

关键词： NFV场景   智能算法   大数据   智能化维护平台  

摘要： 主要介绍了基于机器学习的日志分析应用于NFV场景下的故障快速定界定位系统的设计与实现。该系统主要基于大数据分析、人工智能算法、云计算基础设施构建了一个智能化的维护平台,将IT技术的优势应用于CT运维领域,同时继承了CT运维领域故障经验库和规则的知识积累,结合告警和性能指标信息,最大化地实现故障根因的快速定界定位和业务快速恢复。

关键词： 信用卡欺诈行为   机器学习   比较研究  

摘要： 近年来,信用卡发卡量的大幅度增长也带来了全球信用卡欺诈交易数目的与日俱增,欺诈方法不断更新,作案技巧日益精明。过往的以人力识别为主、机器识别为辅的信用卡欺诈识别机制已经不再满足当今信用卡欺诈识别的需求,如何有效、快速、准确地识别出信用卡欺诈交易已成为目前银行界一个亟待解决的问题。文章对近期信用卡欺诈行为识别的相关文献进行综述。既有文献将神经网络、决策树、随机森林等机器学习方法应用于信用卡欺诈问题,证明机器学习模型对于信用卡欺诈问题解决的有效性。

关键词： 数据挖掘   CART算法   降水日数  

摘要： 夏季降水日数的准确预测,对于保障农业、运输业、电力等行业的有序进行具有重要现实意义.利用连云港市气象局提供的1951—2012年夏季降水数据对连云港地区的降水日数特征进行分析,难以直观地发现夏季降水日数随时间分布的规律.为进一步探索降水日数的发生规律,结合国家气候中心网站提供的多种气候因子数据,基于CART决策树算法构建了连云港地区夏季降水日数是否偏多与是否偏少的分类与预测模型.该模型可以发现在多种气候因子不同条件下,夏季降水日数是否偏多(偏少)的规律,模型的分类与预测都具有良好的效果.利用52 a的数据样本训练模型,模型的训练准确率为90. 38%(86. 54%),再用剩余10 a数据样本检验模型,测试准确率为80%(80%),并且得到规则集,方便气象业务人员使用以及决策服务人员参考.同时,为降水日数的预测提供了数据挖掘的新思路.