機(jī)器學(xué)習(xí)在丹霞地貌信息系統(tǒng)的應(yīng)用研究.pdf

1、在大數(shù)據(jù)時(shí)代，一個(gè)能靈活地橫向擴(kuò)展、存儲(chǔ)海量數(shù)據(jù)、快速響應(yīng)高并發(fā)訪問(wèn)并基于所存儲(chǔ)的數(shù)據(jù)提供智能化服務(wù)的信息系統(tǒng)顯得格外重要。盡管目前對(duì)于結(jié)構(gòu)化數(shù)據(jù)的挖掘已經(jīng)相對(duì)成熟，但對(duì)于圖片等非結(jié)構(gòu)化數(shù)據(jù)的利用還不夠充分，這造成了對(duì)數(shù)據(jù)資源的浪費(fèi)。在此背景之下，本文從對(duì)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(gè)可擴(kuò)展的信息系統(tǒng)，并將機(jī)器學(xué)習(xí)領(lǐng)域的相關(guān)技術(shù)應(yīng)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(shí)別和丹霞景區(qū)推薦等實(shí)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(xiàng)目利用了機(jī)器學(xué)習(xí)領(lǐng)域的神經(jīng)網(wǎng)絡(luò)技術(shù)。由于全連接神經(jīng)網(wǎng)絡(luò)在處理高分辨率圖像分類上存在訓(xùn)練參數(shù)過(guò)多、訓(xùn)練效率低下的弊端，本文設(shè)計(jì)了一個(gè)能為分辨率較高的丹霞地貌圖片進(jìn)行分類的卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)。系統(tǒng)定期從數(shù)據(jù)庫(kù)中抓取最新的丹霞地貌圖片數(shù)據(jù)，經(jīng)過(guò)一定的預(yù)處理，生成用于訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)集合。利用梯度下降算法訓(xùn)練完成之后，用戶可上傳圖片并得到系統(tǒng)預(yù)測(cè)的圖片所屬丹霞景區(qū)。
　　本項(xiàng)目利用協(xié)同過(guò)濾算法

3、實(shí)現(xiàn)丹霞景區(qū)的推薦功能。然而現(xiàn)有的協(xié)同過(guò)濾算法在處理景區(qū)推薦問(wèn)題時(shí)沒(méi)有考慮到景區(qū)之外的影響因子從而導(dǎo)致推薦的準(zhǔn)確率低下。為解決此問(wèn)題，本文提出了一種優(yōu)化的協(xié)同過(guò)濾算法。該算法在對(duì)景區(qū)因子進(jìn)行分解的同時(shí)考慮到時(shí)間對(duì)于用戶評(píng)分的影響。通過(guò)量化這些額外的影響因子并擴(kuò)展用戶的自由參數(shù)，得出了新的代價(jià)函數(shù)?；谛碌拇鷥r(jià)函數(shù)訓(xùn)練完成之后，用戶可獲得與時(shí)間相關(guān)的推薦景區(qū)。
　　本文通過(guò)實(shí)驗(yàn)，搭建了一個(gè)可擴(kuò)展的信息系統(tǒng)，并將機(jī)器學(xué)習(xí)領(lǐng)域的相關(guān)技術(shù)