基于深度学习的公兵数据分析方法研究

《基于深度学习的公兵数据分析方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码10697分类号:TP391学号：201520929密级:公开基于深度学习的公共数据分析方法研究学科名称：通信与信息系统作者:赵二龙指导老师：彭进业教授西北大学学位评定委员会二○一八年ResearchOnBigSocialDataAnalysisBasedOnDeepLearningAthesissubmittedtoNorthwestUniversityinpartialfulfillmentoftherequirementsforthedegreeofMasterinCommunicationandInf

2、ormationSystemByZhaoErlongSupervisor:PengJinyeProfessorJune2018摘要智慧城市的建设是对城市精细化的过程，是人们追求更高生活质量的一种体现。随着科技和城镇化的发展，智慧城市的建设是一个必然的趋势，而智慧城市的建设过程中离不开对各类公共数据的获取，以及如何对数据进行有效的分析。本文研究了公共数据处理方法的相关工作，发现现阶段在该领域存在的问题有：（1）现有算法不能十分有效的挖掘出数据的信息（2）公共数据集的构造与结果解释不够准确。为了解决上述问题，本文对深度学

3、习，聚类算法，数据可视化与人口学进行深入的研究，提出了基于深度学习的公共数据分析方法，并且该方法在具体公共数据处理领域取得了较好的效果。本文的主要贡献有：（1）提出了一种基于深度学习与聚类结合的算法，并对该算法做了进一步的改进。针对现有的问题，本文提出结合多个受限玻尔兹曼机对数据进行有效的特征提取，然后用k-means聚类和聚类的改进算法分别对特征进行聚类从而得到对应结果，这种算法及算法的改进能较有效的获得数据的特征并灵活的针对不同问题进行聚类（2）提出一个新的数据构造方法和一种可视化与结果解释的方法。目前能获得的关

4、于城市发展的数据集并不能较好的刻画出一个城市的所有面貌，本文通过对人口学等相关领域的学习，找到了一个目前能较全的刻画一个城市面貌的数据集，且由于深度学习得到的特征是对原数据的一种抽象表达，目前对处理结果的解释并不是很明确，本文数据可视化的方法在公共数据领域结果的解释上有着简单明了的效果。本文对深度学习和聚类算法进行了深入的研究，分析了现阶段公共数据处理领域存在的问题，针对这些问题提出了对应的解决方案，并在实际的数据中进行验证。实验结果表明，本文提出的这种算法能够在不同的场景下分析公共数据，且这种方法与现在常用的方法相

5、比具有优势。关键词：公共数据，受限玻尔兹曼机，k-means聚类，智慧城市，数据可视化IABSTRACTTheconstructionofasmartcityisaprocessofrefinementofthecityandamanifestationofpeople'spursuitofahigherqualityoflife.Withthedevelopmentofscienceandtechnologyandurbanization,theconstructionofsmartcitiesisaninevit

6、abletrend.Intheprocessofbuildingsmartcities,itisinseparablefromtheacquisitionofvarioustypesofsocialdataandhowtoeffectivelyanalyzedata.Thispaperstudiestherelatedworkofsocialdataprocessingmethodsandfindsthattheproblemsexistinginthisfieldatthisstageare:(1)Theexist

7、ingalgorithmscannotbeveryeffectiveinminingdatainformation.(2)Theconstructionandinterpretationofsocialdatasetsarenotaccurateenough.Inordertosolvetheaboveproblems,thispaperconductsdeepresearchondeeplearning,clusteringalgorithms,datavisualizationanddemography,andp

8、roposesasocialdataanalysismethodbasedondeeplearning.Themethodhasachievedgoodresultsinthefieldofspecificsocialdataprocessing.Themaincontributionsofthisdissertationareasfollow