機器學(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)時代，一個能靈活地橫向擴展、存儲海量數(shù)據(jù)、快速響應(yīng)高并發(fā)訪問并基于所存儲的數(shù)據(jù)提供智能化服務(wù)的信息系統(tǒng)顯得格外重要。盡管目前對于結(jié)構(gòu)化數(shù)據(jù)的挖掘已經(jīng)相對成熟，但對于圖片等非結(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(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(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)過多、訓(xùn)練效率低下的弊端，本文設(shè)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(luò)架構(gòu)。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(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(dǎo)致推薦的準(zhǔn)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(xùn)練完成之后，用戶可獲得與時間相關(guān)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(xué)習(xí)領(lǐng)域的相關(guān)技術(shù)