基于随机森林算法的张家界生态旅游适宜性评价研究

生态旅游适宜性评价是进行旅游资源开发的前提和基础,是制定旅游空间规划的科学依据,以生态旅游为核心的适宜性评价研究对于生态保护与旅游开发意义重大.本文在参考前人方法的基础上,引入机器学习方法,通过对小规模已知样本的训练学习实现大规模未知数据的高精度分类与评价,从方法科学性与可行性、因子选取、数模结合、预测实现、精度检验等...     

大数据环境下机器学习算法趋势研究

对大数据环境下的机器学习算法进行阐述,通过研究其重点内涵,探究其未来发展的趋势,并且对其中一些关键性的技术进行重点分析,以期对这方面的研究有一定的帮助.     

用随机决策树群算法进行高光谱遥感影像分类

摘要： 高光谱影像具有丰富的光谱信息,与全色、多光谱影像相比能更好地进行地面目标的分类识别. 该文对决策树分类算法的优劣进行分析,引入随机决策树群算法,对青海省祁连县Hyperion高光谱影像和IRS-P6影像数据进行实验,使用子空间划分和光谱距离进行降维后,分别采用支持向量机、神经网络、最大似然法进行分类,并与随机决策树群算法分类结果进行比较. 结果表明,该算法表现最优且无需降维预处理,可广泛应用于高光谱遥感领域.     

基于随机森林的多阶段集成学习方法

集成学习主要分为串行和并行学习方法.并行学习的优势在于分类器的并行学习和融合,对分类问题通常采用的融合策略为投票法或堆叠学习法,它们的代表分别为随机森林和堆叠泛化Stacking.为了进一步提高Stacking的分类性能,在经典Stacking算法原理的基础上,提出基于随机森林的多阶段集成学习方法,以随机森林作为基层的基学习算法,以投票法和学习法同时作为融合方法,来降低泛化误差.在UCI数据集上的实验结果表明,提出的模型在Accuracy和1F指标上,相比Bagging,随机森林和Stacking等分类器在分类性能上有很大的提升.     

基于DWT和随机森林的运动自动分类方法

为了对运动员训练过程中的运动进行自动分类,以可穿戴式惯性传感器采集的信息为基础,提出了一种基于离散小波变换(DWT)和随机森林分类器的分类方法 .首先,通过佩戴于身体特定部位的微型加速度计和陀螺仪,采集速度和角度信息,从而估计出运动员的膝关节和髋关节的运动角度.然后,通过DWT从关节角度信息中提取特征.接着,利用提取的特征集来训练随机森林分类器,以此实现运动的自动分类.实验结果表明,该方法能够有效分类出多类运动,具有较高的分类精度.     

大数据环境下信息系统运维智能化研究

在大数据环境下,传统信息系统运维方式已经无法满足当前信息系统正常运行的需求,必须结合新兴技术,如大数据技术,实现运维智能化发展,从而更好地为信息系统服务。本文对大数据环境下运用大数据技术提升信息系统运维的智能化水平展开研究,并以性能动态基线为例,分析了大数据技术在信息系统运维智能化中所发挥的作用。     

大数据时代监控环境下的用户信息安全保护

随着数字通信、移动互联、大数据处理等新兴技术的飞速发展,对网络用户个人信息及隐私侵害的行为、途径以及手法也多种多样。其中,最常见的是通过构建监控环境,对普通网络用户进行监控、追踪甚至窃听,截取海量数据,进行分析、计算、筛选、整理甚至预测,以获取用户私密信息。     

基于图神经网络和随机森林的CircRNA-疾病预测

环状RNA(CircRNA)广泛参与人类疾病的进程,其突变和失调与许多人类疾病密切相关．因此,建立一个高效准确的CircRNA与疾病之间的预测算法对于提前对疾病的发生做出预防以及发病后的治疗方案具有重要意义．提出了一种新的基于图神经网络和随机森林的算法预测CircRNA-疾病关联算法,在分层网络表示嵌入部分通过构建异构网络,根据网络图的邻近性,对网络图的节点和边缘进行分层,递归地合并原始图中的节点和边,得到若干具有相似特征的较小子网络．子网络规模随着分层的深入而递减,直至得到最小子网络后,使用node2vec网络图游走算法对其进行预处理,然后将全部节点的特征向量输入至随机森林分类器来识别潜在的CircRNA-疾病关联,从而进行预测．     

大数据背景下的信息安全研究

大数据的快速发展如一柄双刃剑,在给人们提供巨大机遇的同时,也带来了更多的安全风险,严重威胁着国家信息安全、公共信息安全和个人隐私安全。基于此,主要介绍大数据相关的一些特征、大数据环境下将要面临的信息安全挑战以及一些保护信息安全的对策。     

“互联网+”环境下数据可信度量方法研究

大数据在生产活动中扮演着越来越重要的角色,不可信数据给大数据的应用带来了很大的麻烦,如何筛选出真实可信的数据成为大数据应用的重要课题。本文阐述了当前数据可信计算方法和模型,并分析其优缺点,提出了"互联网+"环境下的数据可信度量方法及其评价方法。该数据可信度量方法依据发布信息的主体、数据源以及数据自身的相关属性,计算数据的主观可信度、全局可信度以及本地可信度。试验结果表明,本方法在电子商务数据可信度计算方面有较好的效果。     

大数据环境下图书馆文献资源建设模式的改革研究

在"互联网+"时代,现代化信息技术飞速发展,在大数据支持下,图书馆文献资源的建设模式迎来新的发展机遇和挑战。基于此,本文阐述了大数据环境下图书馆资源构建的重要性及功能,并提出图书馆文献资源建设模式改革的创新途径,包括加大网络开发力度,促进信息、文化资源共享等,以期充分发挥图书馆自身的职能,提高服务质量,进一步推动图书馆向现代化方向发展。     

大数据环境下基于K均值聚类的 网络伪舆情分类研究

为了解决网络伪舆情事件分类过于主观以及分类标准模糊的问题该文基于网络大数据建立一个全新的伪舆情识别指标体系,在此基础上,收集过去一年中网络伪舆情事件的相关指标数据,基于Python软件利用经典的K均值聚类算法对网络伪舆情事件进行聚类分析,得到三个类别的网络伪舆情事件集,分析总结各类伪舆情事件本身的特点该文为网络伪舆情的识别与分类提供了一种全新的方法,为相关部门利用网络大数据准确控制各类伪舆情提供参考     

随机环境下生产和运输成本问题的线性规划方法

研究了厂家的生产能力和商家的需求量为随机变量条件下的产品生产和运输成本问题,建立了生产和运输成本问题的随机优化模型.在一定的置信水平和其他相关约束条件下,证实了此时与原问题对应的确定型等价式是一个含0-1变量的线性规划问题.把所建立的模型和求解方法应用于解决一个实际问题,结果证实了该模型及其求解方法的有效性.     

基于数据降维的复杂属性大数据分类方法研究

针对数据的多维度、非线性、不稳定性等特有的复杂属性,在传统数据分类方法的基础上,本研究将高维大数据进行降维处理,结合SVM分类方法和多元SVM-REF分类方法,提出一种基于数据降维的复杂属性大数据分类方法。试验证明,与传统数据分类方法相比,本设计方法能够有效地提升复杂属性大数据的分类效率,也为后续对高维数据分类和数据复杂波动规律分析的深入研究提供依据。     

大数据背景下的图书馆服务创新

在大数据时代,图书馆的服务体系需要完善,服务质量需要提升,这些都需要大数据的支持。但在现阶段,由于受各种原因的限制,图书馆服务如何进行大数据处理和技术应用将是一种挑战。     

大数据背景下CPI方法创新及福建省CPI编制启示

如雨后春笋般崛起的大数据正在以快速节奏革新人类生活、工作和组织方式。大数据在居民消费领域系统、广泛的应用,也将带来传统CPI统计生产流程和方式的重要变革。结合大数据系列特征,分析在CPI编制中引入大数据的重要作用与意义,进一步厘清大数据在CPI中的方法与应用创新,并结合我省CPI编制的现实情况探讨其CPI编制可能获得的重要启示,对于拓展CPI统计分析的广度和深度,促使福建省CPI更好地服务于社会经济,具有极其重要的理论与现实意义。     

大数据时代背景下普通地质学的教学改革

在大数据时代,“以授为主”的传统理论教学迎来前所未有的冲击,对人才的培养提出新要求,普通地质学课程的教学需做出相应的改革．在分析现有教学局限性和总结其他高校经验的基础上,辅以近年来在普通地质学课程、相关课程以及毕业实习教学中的教学体会,提出从灵活的教学思维、科学的实习路线、虚拟实验室的构建、任务驱动式教学以及考核方式的多样化等方面进行教学改革．旨以激发大学生的主观能动性,为后续专业学习打下坚实基础．教学效果证明了改革措施的可行性和有效性,而“以学生为主动参与者,构建的实践教学体系应不断进行优化”的教学思维是教学改革之本．     

基于模糊关联空间的有效大数据过滤方法

传统的大数据过滤方法,其降噪处理和过滤效果都会对最终结果产生一定影响,导致过滤效率低下。基于此,本文提出基于模糊关联空间的有效大数据过滤方法,利用动态编译实现数据采集过滤,进行分布式离群点检测,通过网闸过滤对数据信息进行过滤。经对比试验,该方法能够实现有效大数据的高效过滤,而基于区域划分的数据过滤方法,无法充分利用试验环境中所有实体的数据信息,因此不可能实现较高的过滤效率,由此证明了本研究所提方法的实用性和有效性。     

基于爬虫大数据的网络负载异常监测方法

针对传统网络负载异常监测方法中精准度较差、有效性较低等问题,本文提出一种基于爬虫大数据的网络负载异常监测方法。为了验证该方法的有效性,将其与传统监测方法进行对比实验。实验结果表明,该方法实用性和精准度更高,更适用于对网络负载异常的监测。     

大数据背景下传统企业办公自动化建设的思考

本文主要针对大数据背景下传统企业办公自动化建设的重要意义和存在的问题进行分析,并提出了大数据背景下推动办公自动化建设的策略。