| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景和现状 | 第11-14页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 国内外游客量研究现状 | 第12-14页 |
| 1.2 研究的目的和意义 | 第14-15页 |
| 1.3 本文主要工作 | 第15-17页 |
| 第二章 游客量特征选择与处理 | 第17-23页 |
| 2.1 游客量影响特征分析 | 第17-20页 |
| 2.2 数据预处理 | 第20-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 基于单预测模型的游客量研究预测 | 第23-53页 |
| 3.1 基于随机森林模型的游客量预测 | 第23-31页 |
| 3.1.1 随机森林回归模型原理 | 第24-27页 |
| 3.1.2 于随机森林回归的游客量模型设计 | 第27-28页 |
| 3.1.3 模型评价指标 | 第28-29页 |
| 3.1.4 基于随机森林回归的游客量预测实验 | 第29-31页 |
| 3.2 基于BP神经网络的游客数量预测 | 第31-42页 |
| 3.2.1 BP神经网络模型基本原理 | 第31-34页 |
| 3.2.2 基于BP神经网络的游客量模型设计 | 第34-37页 |
| 3.2.3 基于BP神经网络的游客量预测实验 | 第37-42页 |
| 3.3 基于PSO-SVR模型的游客量预测 | 第42-52页 |
| 3.3.1 持向量回归基本原理 | 第43-45页 |
| 3.3.2 粒子群优化算法原理 | 第45-47页 |
| 3.3.3 于PSO-SVR的游客量模型设计 | 第47-49页 |
| 3.3.4 基于PSO-SVR的游客量预测实验 | 第49-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第四章 基于多预测器并联组合的游客量预测 | 第53-65页 |
| 4.1. 多预测器并联组合的游客量预测模型 | 第53-57页 |
| 4.1.1 多预测器并联组合的游客量模型设计 | 第53-55页 |
| 4.1.2 多预测器并联组合的游客量预测实验 | 第55-57页 |
| 4.2 模型对比评估 | 第57-60页 |
| 4.3 基于Apriori算法的东盟地区游客量关系挖掘 | 第60-64页 |
| 4.3.1 关联规则 | 第60-61页 |
| 4.3.2 Apriori算法 | 第61-62页 |
| 4.3.3 基于Apriori算法的游客量关系挖掘实验 | 第62-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 研究成果在中国东盟海洋大数据平台的应用 | 第65-71页 |
| 5.1 中国东盟海洋大数据平台 | 第65-67页 |
| 5.2 中国东盟滨海旅游业应用 | 第67-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 工作总结 | 第71-72页 |
| 6.2 工作展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77页 |