情報分析是以目標為驅(qū)動,通過情報技術(shù)手段獲得信息和知識的過程,是情報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)的情報分析方法已不能對多源、多維度、大體量數(shù)據(jù)的潛在價值充分挖掘與利用,隨著人工智能的發(fā)展,以深度學習與大數(shù)據(jù)為基礎(chǔ)的情報分析方法越來越廣泛,深度學習與大數(shù)據(jù)技術(shù)在信息采集、存貯、分析乃至決策為情報服務(wù)工作提供全流程技術(shù)支持。本文以交通流預測為例,通過交通流預測說明深度學習技術(shù)在情報分析工作中發(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、準確的交通流預測系統(tǒng),本文提出LSTM-GCN交通流預測模型,將長短時記憶網(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)的時序特征,獲得的特征作為GCN網(wǎng)絡(luò)的節(jié)點特征,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)預測交通流;然后,對交通流原始數(shù)據(jù)及圖結(jié)構(gòu)原始數(shù)據(jù)進行預處理,將處理后的非結(jié)構(gòu)化數(shù)據(jù)輸入模型中學習...

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【部分圖文】：

圖2.1“情報周期”模型圖

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

圖2.2“情報流程”結(jié)構(gòu)圖

重慶大學碩士學位論文12期”的六個階段。處于情報核心的仍舊是用戶任務(wù)與目標，“情報流程”六個階段如圖2.2。圖2.2“情報流程”結(jié)構(gòu)圖Fig.2.2Structurediagramof"intelligenceprocess"2.1.3情報分析方法情報分析方法是實現(xiàn)情報服務(wù)與應用....

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：4021468