分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-05-02 合作期刊: 《计算机应用研究》
摘要: 以网约车订单等真实数据为数据源,结合TensorFlow深度学习框架,利用循环神经网络(recurrent neural networks)方法,预测网约车在未来某时间某地点的订单需求量。提出改进LSTM RNN(长短时记忆循环神经网络)模型,经过对其优化和训练,能够有效预测网约车未来某时间某地点的供需量。对数据源进行可视化分析,排除不相关数据源干扰,以此为基础设计仿真实验。仿真实验表明,该模型的正确率比反向传播神经网络(BPNN)、回归决策树(DTR)、非线性回归支持向量机(SVR)以及随机漫步(RW)等模型高,同时,对长短间隔不同的历史数据有较好的记忆能力,在测试数据上有较强的泛化能力。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-04-17 合作期刊: 《计算机应用研究》
摘要: 多尺度数据挖掘多应用于空间遥感图像数据,以图像的分辨率或者区域分割为依据进行尺度划分,然后在每个尺度层进行分析。近期,有不少学者将多尺度数据挖掘应用于一般数据集上,以等级理论、概念分层以及包含度理论等为尺度划分依据,研究不同尺度层的分布规律,进而发现有意义的事实,如多尺度关联规则以及多尺度聚类。但是在一般数据集下,很少将多尺度数据挖掘应用于分类算法领域。定义了广义分形插值理论的概念,打破了局限于迭代函数系统IFS(iterative function systems)的缺憾,拓展了分形插值的应用;提出了基于广义分形插值理论的多尺度分类尺度下推算法MSCSDA(multi-scale classification scaling-down algorithm)。仿真实验建立在四个UCI基准数据集和一个H省部分人口真实数据集上,并将MSCSDA与KNN、Decision Tree以及LibSVM算法进行对比分析,实验结果表明,MSCSDA算法在不同的数据集上均优于其他算法。