染雾硕士论文摘要 篇一
标题：基于深度学习的图像分类算法研究与应用
摘要：本研究旨在通过深度学习算法提高图像分类的准确性和效率。首先，我们对深度学习算法进行了综述和分析，包括卷积神经网络（CNN）、循环神经网络（RNN）和深度信念网络（DBN）等。然后，我们设计了一种基于CNN的图像分类算法，并在标准数据集上进行了实验验证。实验结果表明，该算法在准确性和效率方面都明显优于传统的图像分类方法。接着，我们将该算法应用于实际场景中的图像分类任务，如自动驾驶中的交通标志识别和医学影像中的疾病检测等。实验结果表明，我们的算法在不同场景下都能取得较好的分类效果。最后，我们对研究结果进行了总结，并提出了进一步改进的方向，以进一步提高图像分类算法的性能。
关键词：深度学习；图像分类；卷积神经网络；准确性；效率
硕士论文摘要 篇二
标题：基于大数据的舆情分析与热点预测研究
摘要：本研究旨在通过大数据技术和机器学习算法实现舆情分析和热点预测。首先，我们对大数据技术和机器学习算法进行了综述和分析，包括数据采集、数据存储、数据处理和数据分析等方面的内容。然后，我们设计了一种基于文本挖掘和情感分析的舆情分析算法，并在真实的社交媒体数据上进行了实验验证。实验结果表明，该算法能够准确地分析用户的情感倾向和舆论趋势，并预测热点事件的发展趋势。接着，我们将该算法应用于实际场景中的舆情分析和热点预测任务，如政府决策支持和市场营销策略制定等。实验结果表明，我们的算法在不同场景下都能取得较好的分析和预测效果。最后，我们对研究结果进行了总结，并提出了进一步改进的方向，以提高舆情分析和热点预测的准确性和实时性。
关键词：大数据；舆情分析；热点预测；文本挖掘；情感分析
硕士论文摘要 篇三
汽车共享用户的使用行为特征研究
汽车共享是一种以汽车使用权代替拥有权的新型交通模式。
这种模式已经在欧美等发达国家蓬勃的发展，并在减少私人小汽车拥有量和改善交通环境等方面发挥了一定的作用。
我国的汽车共享刚刚开始起步，缺少基于实证性数据的研究成果。
本文以我国某汽车共享组织自20**年9月至20**年6月为期22个月的不包含用户个人隐私信息的租车订单数据为基础，对汽车共享用户的使用行为特征进行研究。
研究工作从月订单数量、取还车时间段、单次使用时间长度、单次使用里程和每单消费金额等维度上对总体会员的使用行为特征进行了分析和总结。
并根据会员使用活跃度的不同，将整体会员分为活跃性会员和偶发性会员两类。
活跃性会员指：使用车纷享系统有效时间在9个月以上，且平均月订单数在0.5单及以上的会员;或者使用车纷享系统有效时间在3-9个月，且月平均月订单数在1单及以上的会员。
同时，对比了不同类型会员的使用模式差异。
研究发现，占总体会员数量25%的活跃性会员组，拥有占总订单量70%的订单，是车纷享的主体会员，且具有比较集中的使用时间段和行驶里程。
在此基础上，采用群体细分的方式对活跃性会员进行进一步的分组分析研究。
根据会员使用频率的波动性与否，将活跃性会员分为波动组会员和稳定组会员。
而后，再根据会员使用频率的高低，将稳定组会员分为高频稳定组、中高频稳定组、中低频稳定组和低频稳定组。
总结和分析四组会员的使用行为特征差异，凝练出不同组别会员的典型使用模式。
研究发现，使用频率越高的会员，越倾向于在工作日使用共享汽车，其晚高峰取车早高峰还车和早高峰取车晚高峰还车的出行行为特征也相对较为明显，同时短距离短时间的出行比例也相对较高;使用频率越低的会员越倾向于在周末使用共享汽车，使用时间段相对较为分散，其长时间长距离出行比例相对较高。
因而推测，使用频率越高的会员通勤或业务出行倾向越明显，使用频率越低的会员非通勤交通出行倾向越明显。
同时，为进一步了解不同组别会员对网点运营特征的影响，本文从网点使用频率、网点使用强度、车辆利用率和月营业额等维度对网点的使用特征进行了分析。
结合会员分组，对各组会员人数比例与网点运营特征的相关性进行了研究，发现两者具有显著的相关性。
在使用频率上，大多数网点保持在8-18单每月，且该指标与网点中高频组会员比例显著正相关，与低频组会员比例显著负相关。
在车辆利用率上，大多数网点为15%-30%之间，且该指标与使用该网点的偶发性会员人数比例显著正相关。
在使用强度上，大多数网点保持在700-1300km/车-月;且该指标与偶发性会员人数比例显著正相关，与高频组会员人数比例一般正相关，与低频组会员人数比例一般负相关。
在月营业额集中，个网点主要在1500-3000元每月;且该指标与高频组和中高频组会员人数比例显著正相关，与波动组会员人数比例一般正相关。
此外，本文还从锚点维度，对会员使用锚点数量及锚点位置进行了分析。
分析发现，有95%左右的稳定组会员拥有锚点，且锚点数量集中在3个以内。
在此基础上，根据锚点的不同使用情况 (单锚点、双锚点、三锚点及三锚点以上的多锚点情况),对稳定组会员的锚点使用模式及锚点主次情况进行分析。
运用地图匹配和锚点赋值，锁定四组稳定会员的网点锚点，并对不同组别会员的网点锚点特征进行总结和分析。
分析发现，频率越高的会员组越倾向于单锚点和双锚点、三锚点中以一个锚点为主要锚点的使用模式，且单锚点或主锚点在位置上更倾向于城市非核心区的产业园区附近。
使用频率越低的会员组越倾向于多锚点和锚点间不分主次的使用模式;且锚点更倾向于在城市核心区集中。
这也从另一个侧面按印证了较高频率使用会员的通勤交通出行倾向和
较低频率使用会员的非通勤交通出行倾向。
本文通过对汽车共享用户使用行为特征的详细分析，总结和凝练了不同组别会员的差异化使用行为模式。
这些研究结论将会作为今后车辆GPS数据分析和用户问卷调查的依据，为汽车共享课题的后续研究奠定了理论和实证基础。
硕士论文摘要 篇四
基于移动通信数据的居民活动空间分析方法研究
城市空间结构的合理性是城市健康发展的必要条件，单纯的以公交为主的交通模式并不能代替健康的空间联系结构。
在城市的发展演化过程中，空间布局的职能分化带动了城市形态的分化，进而形成了城市的内部空间布局。
在城市总体规划中，要在纲要阶段对城市的空间结构合理定制。
在这种背景下，研究城市建成环境与居民活动空间的关系对于城市和交通规划具有重要意义。
大数据时代给交通各领域的研究都带来了深远的影响，在这种情况下，合理利用数据来研究交通领域的问题成为了许多研究的重点。
其中，移动通信数据在长时间追踪个体位置信息上有着显著的优势，并且更新周期短，准确性高。
本文旨在通过对移动通信数据的挖掘，提出能够描述居民活动空间的有效指标，以作为讨论城市建成环境与居民活动空间关系的基础。
首先，论文对居民的居住地的识别，提出了三种方法，并对这些方法进行了详细的`讨论和分析。
通过时间阈值法来识别居民居住地是类似研究中最常用的方法，但不同研究所使用的时间阈值不同，论文细致讨论了不同时间阈值对于识别结果的影响，结果发现此方法的准确性与可用性不高。
而时间绝对值法则能够识别所有居民的居住地，但其准确性扔有待商榷。
经分析比较不同方法发现，依据信息熵法来识别居民居住地，是一种非常有效又合理的方法，能够准确地识别居民居住地。
其次，论文对居民的工作地进行了识别，识别方法与居住地的识别方法相同。
对于工作地的识别，三种方法的识别率要远低于居住地的识别，但考虑的实际就业率，工作地的识别仍然有重要的参考价值。
之后，论文提出了利用移动通信数据来提取和分析居民活动空间的新思路。
即根据锚点理论，寻找居民活动空间中的重要停留点作为锚点。
具体方法为，在将移动通信数据转化为居民在不同停留点的停留时间后，根据居民在不同地点的停留时间、出现次数以及与其他地点的关联情况，计算居民对于每个停留点的兴趣值。
然后，利用居民的兴趣值构建出一个多维子空间，再通过高维子空间聚类的方法对居民进行聚类。
研究结果表明，此方法可以有效对居民进行聚类，并与锚点理论相结合，得到拥有不同数量锚点的居民类别。
最后，论文通过凸多边形法来描述居民活动空间范围的大小，通过其长宽比来表述居民活动空间的方向性。
结果表明，不论居民拥有几个锚点，其活动空间的大小均服从参数相同的指数分布，长宽比均服从参数相同的正态分布。
这一结论对于交通规划与城市规划有着非常重要的实际应用价值。
本文对于居民活动空间进行了一部分的有效描述，包括居住地、工作地以及类别隶属关系、活动空间范围等，能够为之后讨论城市建成环境与居民活动空间的关系提供很好的支撑。
但本文尚未涉及到城市建成环境方面的研究。
此外，针对移动通信数据的有效性也值得深入讨论，为相关研究的准确性作为支撑。
硕士论文摘要 篇五
多模式网络下轨道交通与出租车的竞争与合作研究
轨道交通作为环保高效的公共交通方式，越来越多的国家将轨道交通作为缓决城市交通拥堵、保证可持续发展的良方，但是，轨道交通建设费用昂贵，单纯依靠轨道交通来解决城市交通问题，而不考虑城市的资源现状是不合理的。
同时，现有大城市的出租车拥有量都达到一定规模，而出租车存在着空驶率高，资源利用不合理的现状，未来出租车在以公交优先为导向的城市交通中应该发挥何种作用，也成为出租车面临的一个问题。
本文认为一个合理的交通网络结构，应该是以大容量的轨道交通为骨架，同时以各种其它交通方式充实整个交通网体，达到既保持交通方式多样性，适应多样化需求，又可以减少个体化不集约的交通方式，达到合理利用资源的目的。
以这种目的为出发，本文提出了轨道和出租车合作，也就是T&R(Taxi and Ride)的设想，希望将出租车与轨道由恶性竞争转向良性合作，既通过出租车来扩大轨道的服务覆盖范围，又提高出租车的利用率。
同时，本文将改变以往以单一方式来进行方式划分的传统，提出以方式链的角度来研究城市出行，特别是研究轨道出行。
由于轨道站点步行服务范围的限制，使得轨道出行常常要借助别的方式进行接驳，从而形成了方式链出行。
方式链出行的提出，将直接影响到未来的交通预测技术，从基于出行的预测方式转向基于活动的预测方式，本文也将利用基于活动的非集计模型来对T&R这一模式的进行预测分析和政策评价，本文将分别采用MNL和NL两种非集计模型进行标定和分析，对比其在方式链出行分析中的优劣，并且选择一种较优方案进行政策评价测试。
通过政策实施效果的对比，来探讨T&R的可行性和发展策略。
