基于支持向量機(jī)的空間數(shù)據(jù)挖掘方法及其在旅游地理經(jīng)濟(jì)分析中的應(yīng)用.pdf

1、本論文根據(jù)旅游地理經(jīng)濟(jì)分析預(yù)測管理需求,就基于支持向量機(jī)的空間數(shù)據(jù)挖掘分類或回歸的理論與方法以及在旅游地理經(jīng)濟(jì)管理中的應(yīng)用展開了系統(tǒng)研究,建立了基于支持向量機(jī)的空間數(shù)據(jù)分類或回歸挖掘模型與算法、特征選擇算法,設(shè)計(jì)實(shí)現(xiàn)了面向旅游地理經(jīng)濟(jì)應(yīng)用的數(shù)據(jù)挖掘軟件。主要內(nèi)容如下:
　　(1)提出了SVM若干算法。通過組合優(yōu)化方法和最小二乘方法,以及多分類支持向量機(jī)方法,提出了MC-COLS-SVM分類機(jī)算法;通過組合優(yōu)化方法,以及減少約束,降

2、低問題復(fù)雜度,提出了組合優(yōu)化COLS-BSVR回歸機(jī)算法。提出了對于支持向量回歸機(jī)特征選擇的算法,并進(jìn)行了實(shí)證分析。
　　(2)構(gòu)建了基于支持向量機(jī)的空間數(shù)據(jù)挖掘理論與方法體系。研究設(shè)計(jì)了基于支持向量機(jī)的空間數(shù)據(jù)挖掘工作流程與框架以及實(shí)現(xiàn)方法;基于MC-COLS-SVM多分類組合優(yōu)化思路,設(shè)計(jì)了空間數(shù)據(jù)分類算法;基于COLS-BSVR組合優(yōu)化最小二乘支持向量回歸機(jī)思路,設(shè)計(jì)了空間數(shù)據(jù)回歸算法。
　　(3)提出了時(shí)政指數(shù)、景區(qū)

3、景點(diǎn)分布指數(shù),并成功應(yīng)用于旅游地理經(jīng)濟(jì)分析之中。通過對旅游收入、游客人數(shù)、時(shí)政指數(shù)、景區(qū)景點(diǎn)分布指數(shù)、GDP、CPI等變量時(shí)間序列的統(tǒng)計(jì)描述分析及其它們對旅游地理經(jīng)濟(jì)影響分析,提取了旅游地理經(jīng)濟(jì)數(shù)據(jù)特征,設(shè)計(jì)了相應(yīng)的旅游地理經(jīng)濟(jì)數(shù)據(jù)庫。
　　(4)建立了基于支持向量機(jī)的旅游地理經(jīng)濟(jì)預(yù)測模型?；谔岢龅腃OLS-BSVR支持向量回歸機(jī)算法,建立了基于支持向量機(jī)的旅游地理經(jīng)濟(jì)分析預(yù)測數(shù)學(xué)模型;設(shè)計(jì)了數(shù)據(jù)挖掘中的數(shù)據(jù)構(gòu)造模式,驗(yàn)證了模型

4、與模式的有效性。
　　(5)建立了基于支持向量機(jī)的旅游地理經(jīng)濟(jì)風(fēng)險(xiǎn)管理模型?；谠O(shè)計(jì)的空間數(shù)據(jù)分類算法、回歸算法以及特征選擇算法,結(jié)合旅游地理經(jīng)濟(jì)特征敏感性分析,建立了風(fēng)險(xiǎn)管理數(shù)學(xué)模型,驗(yàn)證了模型的有效性。
　　(6)設(shè)計(jì)并實(shí)現(xiàn)了基于支持向量機(jī)的旅游地理經(jīng)濟(jì)數(shù)據(jù)挖掘軟件。該數(shù)據(jù)挖掘軟件分三層結(jié)構(gòu)構(gòu)建;各種數(shù)據(jù)采集預(yù)處理后,存入旅游地理經(jīng)濟(jì)數(shù)據(jù)庫,通過基于支持向量回歸機(jī)的算法運(yùn)算,生成預(yù)測信息,供分析決策參考。
　　該論