基于支持向量机的空间数据挖掘方法及其在旅游地理经济分析中的应用
MC-COLS-SVM论文 COLS-BSVR论文 空间数据分类或回归论文 时政指数论文 景区景点分
论文详情
本论文根据旅游地理经济分析预测管理需求,就基于支持向量机的空间数据挖掘分类或回归的理论与方法以及在旅游地理经济管理中的应用展开了系统研究,建立了基于支持向量机的空间数据分类或回归挖掘模型与算法、特征选择算法,设计实现了面向旅游地理经济应用的数据挖掘软件。主要内容如下:(1)提出了SVM若干算法。通过组合优化方法和最小二乘方法,以及多分类支持向量机方法,提出了MC-COLS-SVM分类机算法;通过组合优化方法,以及减少约束,降低问题复杂度,提出了组合优化COLS-BSVR回归机算法。提出了对于支持向量回归机特征选择的算法,并进行了实证分析。(2)构建了基于支持向量机的空间数据挖掘理论与方法体系。研究设计了基于支持向量机的空间数据挖掘工作流程与框架以及实现方法;基于MC-COLS-SVM多分类组合优化思路,设计了空间数据分类算法;基于COLS-BSVR组合优化最小二乘支持向量回归机思路,设计了空间数据回归算法。(3)提出了时政指数、景区景点分布指数,并成功应用于旅游地理经济分析之中。通过对旅游收入、游客人数、时政指数、景区景点分布指数、GDP、CPI等变量时间序列的统计描述分析及其它们对旅游地理经济影响分析,提取了旅游地理经济数据特征,设计了相应的旅游地理经济数据库。(4)建立了基于支持向量机的旅游地理经济预测模型。基于提出的COLS-BSVR支持向量回归机算法,建立了基于支持向量机的旅游地理经济分析预测数学模型;设计了数据挖掘中的数据构造模式,验证了模型与模式的有效性。(5)建立了基于支持向量机的旅游地理经济风险管理模型。基于设计的空间数据分类算法、回归算法以及特征选择算法,结合旅游地理经济特征敏感性分析,建立了风险管理数学模型,验证了模型的有效性。(6)设计并实现了基于支持向量机的旅游地理经济数据挖掘软件。该数据挖掘软件分三层结构构建;各种数据采集预处理后,存入旅游地理经济数据库,通过基于支持向量回归机的算法运算,生成预测信息,供分析决策参考。该论文有图51幅,表44个,参考文献116篇。
致谢 | 第5-6页 |
摘要 | 第6-7页 |
Abstract | 第7-8页 |
Extended Abstract | 第9-12页 |
目录 | 第12-14页 |
Contents | 第14-16页 |
图清单 | 第16-19页 |
表清单 | 第19-21页 |
1 绪论 | 第21-34页 |
1.1 引言 | 第21-22页 |
1.2 国内外研究现状 | 第22-29页 |
1.3 研究意义 | 第29页 |
1.4 研究内容 | 第29-32页 |
1.5 论文的组织结构 | 第32-33页 |
1.6 小结 | 第33-34页 |
2 支持向量机理论及其算法改进 | 第34-57页 |
2.1 支持向量分类机基本理论 | 第34-40页 |
2.2 支持向量分类机算法改进 | 第40-45页 |
2.3 支持向量回归机基本理论 | 第45-49页 |
2.4 支持向量回归机算法改进 | 第49-51页 |
2.5 核函数与特征选择 | 第51-55页 |
2.6 数值实验 | 第55-56页 |
2.7 小结 | 第56-57页 |
3 基于支持向量机的空间数据挖掘方法 | 第57-66页 |
3.1 空间数据挖掘概述 | 第57-59页 |
3.2 基于支持向量机的空间数据挖掘流程与框架 | 第59-61页 |
3.3 实现方法与算法设计 | 第61-65页 |
3.4 小结 | 第65-66页 |
4 基于支持向量机的旅游地理经济预测应用 | 第66-93页 |
4.1 旅游地理经济数据库构建 | 第66-73页 |
4.2 旅游地理经济数据指标统计分析 | 第73-78页 |
4.3 基于支持向量机的旅游地理经济预测模型 | 第78-92页 |
4.4 小结 | 第92-93页 |
5 基于支持向量机的旅游地理经济风险管理 | 第93-104页 |
5.1 旅游地理经济风险特性 | 第93-94页 |
5.2 基于支持向量机的旅游地理经济风险管理模型 | 第94-102页 |
5.3 旅游地理经济风险管理策略 | 第102-103页 |
5.4 小结 | 第103-104页 |
6 基于支持向量机的旅游地理经济数据挖掘设计与实现 | 第104-120页 |
6.1 泰安市旅游地理经济特色 | 第104-105页 |
6.2 基于支持向量机的泰安市旅游地理经济数据挖掘设计 | 第105-114页 |
6.3 数据挖掘软件功能实现 | 第114-119页 |
6.4 小结 | 第119-120页 |
7 结论与展望 | 第120-123页 |
7.1 主要研究成果与结论 | 第120-121页 |
7.2 主要创新 | 第121-122页 |
7.3 研究展望 | 第122-123页 |
参考文献 | 第123-130页 |
作者简历 | 第130-133页 |
学位论文数据集 | 第133页 |
论文购买
论文编号
ABS558026,这篇论文共133页
会员购买按0.30元/页下载,共需支付
39.9。
不是会员,
注册会员!
会员更优惠
充值送钱!
直接购买按0.5元/页下载,共需要支付
66.5。
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文