機器學習在丹霞地貌信息系統(tǒng)的應用研究.pdf

1、在大數(shù)據(jù)時代，一個能靈活地橫向擴展、存儲海量數(shù)據(jù)、快速響應高并發(fā)訪問并基于所存儲的數(shù)據(jù)提供智能化服務的信息系統(tǒng)顯得格外重要。盡管目前對于結構化數(shù)據(jù)的挖掘已經(jīng)相對成熟，但對于圖片等非結構化數(shù)據(jù)的利用還不夠充分，這造成了對數(shù)據(jù)資源的浪費。在此背景之下，本文從對丹霞地貌數(shù)據(jù)和系統(tǒng)需求的分析出發(fā)，搭建了一個可擴展的信息系統(tǒng)，并將機器學習領域的相關技術應用于丹霞地貌數(shù)據(jù)之上，為用戶提供了丹霞地貌圖片識別和丹霞景區(qū)推薦等實用性功能。
　　為支

2、持用戶以圖片作為輸入檢索丹霞地貌數(shù)據(jù)，本項目利用了機器學習領域的神經(jīng)網(wǎng)絡技術。由于全連接神經(jīng)網(wǎng)絡在處理高分辨率圖像分類上存在訓練參數(shù)過多、訓練效率低下的弊端，本文設計了一個能為分辨率較高的丹霞地貌圖片進行分類的卷積神經(jīng)網(wǎng)絡架構。系統(tǒng)定期從數(shù)據(jù)庫中抓取最新的丹霞地貌圖片數(shù)據(jù)，經(jīng)過一定的預處理，生成用于訓練卷積神經(jīng)網(wǎng)絡的數(shù)據(jù)集合。利用梯度下降算法訓練完成之后，用戶可上傳圖片并得到系統(tǒng)預測的圖片所屬丹霞景區(qū)。
　　本項目利用協(xié)同過濾算法

3、實現(xiàn)丹霞景區(qū)的推薦功能。然而現(xiàn)有的協(xié)同過濾算法在處理景區(qū)推薦問題時沒有考慮到景區(qū)之外的影響因子從而導致推薦的準確率低下。為解決此問題，本文提出了一種優(yōu)化的協(xié)同過濾算法。該算法在對景區(qū)因子進行分解的同時考慮到時間對于用戶評分的影響。通過量化這些額外的影響因子并擴展用戶的自由參數(shù)，得出了新的代價函數(shù)?；谛碌拇鷥r函數(shù)訓練完成之后，用戶可獲得與時間相關的推薦景區(qū)。
　　本文通過實驗，搭建了一個可擴展的信息系統(tǒng)，并將機器學習領域的相關技術