情報(bào)分析是以目標(biāo)為驅(qū)動(dòng),通過情報(bào)技術(shù)手段獲得信息和知識(shí)的過程,是情報(bào)工作的重要組成部分。隨著互聯(lián)網(wǎng)的發(fā)展,數(shù)據(jù)資源不斷豐富,傳統(tǒng)的情報(bào)分析方法已不能對(duì)多源、多維度、大體量數(shù)據(jù)的潛在價(jià)值充分挖掘與利用,隨著人工智能的發(fā)展,以深度學(xué)習(xí)與大數(shù)據(jù)為基礎(chǔ)的情報(bào)分析方法越來越廣泛,深度學(xué)習(xí)與大數(shù)據(jù)技術(shù)在信息采集、存貯、分析乃至決策為情報(bào)服務(wù)工作提供全流程技術(shù)支持。本文以交通流預(yù)測(cè)為例,通過交通流預(yù)測(cè)說明深度學(xué)習(xí)技術(shù)在情報(bào)分析工作中發(fā)揮的重要作用。為減緩城市交通擁堵現(xiàn)狀,建立高效、科學(xué)、準(zhǔn)確的交通流預(yù)測(cè)系統(tǒng),本文提出LSTM-GCN交通流預(yù)測(cè)模型,將長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)(Long Short term memory,LSTM)與圖卷積神經(jīng)網(wǎng)絡(luò)(Graph Convolutional Network,GCN)相結(jié)合獲取交通流時(shí)空特征信息,其中LSTM網(wǎng)絡(luò)用于獲取歷史交通流數(shù)據(jù)的時(shí)序特征,獲得的特征作為GCN網(wǎng)絡(luò)的節(jié)點(diǎn)特征,道路路網(wǎng)結(jié)構(gòu)的非歐幾里得圖數(shù)據(jù)的特征作為圖卷積神經(jīng)網(wǎng)絡(luò)的邊的特征,二者結(jié)合輸入圖卷積神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)交通流;然后,對(duì)交通流原始數(shù)據(jù)及圖結(jié)構(gòu)原始數(shù)據(jù)進(jìn)行預(yù)處理,將處理后的非結(jié)構(gòu)化數(shù)據(jù)輸入模型中學(xué)習(xí)...

【文章頁數(shù)】：75 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2.1“情報(bào)周期”模型圖

2相關(guān)理論概述112相關(guān)理論概述2.1情報(bào)分析概述2.1.1情報(bào)分析概念情報(bào)分析是情報(bào)工作中的重要組成部分，情報(bào)分析是以目標(biāo)為驅(qū)動(dòng)，通過情報(bào)技術(shù)手段對(duì)數(shù)據(jù)進(jìn)行分析從而獲得新的信息和知識(shí)，再對(duì)獲得的知識(shí)進(jìn)行歸納、關(guān)聯(lián)、演繹、推理、集成的一系列操作后，形成新的、更有價(jià)值的情報(bào)產(chǎn)品的過....

圖2.2“情報(bào)流程”結(jié)構(gòu)圖

重慶大學(xué)碩士學(xué)位論文12期”的六個(gè)階段。處于情報(bào)核心的仍舊是用戶任務(wù)與目標(biāo)，“情報(bào)流程”六個(gè)階段如圖2.2。圖2.2“情報(bào)流程”結(jié)構(gòu)圖Fig.2.2Structurediagramof"intelligenceprocess"2.1.3情報(bào)分析方法情報(bào)分析方法是實(shí)現(xiàn)情報(bào)服務(wù)與應(yīng)用....

圖2.3卷積神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)

2相關(guān)理論概述17接。卷積神經(jīng)網(wǎng)絡(luò)的相鄰層之間采取的是部分連接的方式，局部感知特征數(shù)據(jù)，權(quán)值共享網(wǎng)絡(luò)結(jié)構(gòu)降低了網(wǎng)絡(luò)模型的復(fù)雜，減少了參數(shù)的數(shù)量。神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)如圖2.3所示：圖2.3卷積神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)Fig.2.3Basicstructureofconvolutionalne....

圖2.4卷積層的具體操作Fig.2.4Thespecificoperationoftheconvolutionlayer

2相關(guān)理論概述17接。卷積神經(jīng)網(wǎng)絡(luò)的相鄰層之間采取的是部分連接的方式，局部感知特征數(shù)據(jù)，權(quán)值共享網(wǎng)絡(luò)結(jié)構(gòu)降低了網(wǎng)絡(luò)模型的復(fù)雜，減少了參數(shù)的數(shù)量。神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)如圖2.3所示：圖2.3卷積神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)Fig.2.3Basicstructureofconvolutionalne....

本文編號(hào)：4021468