| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 引言 | 第12-13页 |
| 1.2 研究问题 | 第13-14页 |
| 1.3 本文组织 | 第14-16页 |
| 第二章 技术基础 | 第16-26页 |
| 2.1 集成学习 | 第16-17页 |
| 2.2 随机森林 | 第17-18页 |
| 2.3 Gradient Boosting Decision Tree | 第18-24页 |
| 2.4 小结 | 第24-26页 |
| 第三章 顾客合适灯光亮度预测 | 第26-32页 |
| 3.1 引言 | 第26-27页 |
| 3.2 数据格式 | 第27-28页 |
| 3.3 顾客合适灯光亮度预测技术步骤 | 第28-31页 |
| 3.4 实验验证 | 第31页 |
| 3.5 小结 | 第31-32页 |
| 第四章 顾客入住时长预测 | 第32-38页 |
| 4.1 引言 | 第32页 |
| 4.2 数据格式 | 第32-33页 |
| 4.3 顾客入住时长预测技术步骤 | 第33-35页 |
| 4.4 实验 | 第35-36页 |
| 4.5 小结 | 第36-38页 |
| 第五章 面向隐私保护的顾客入住时长预测方法 | 第38-52页 |
| 5.1 引言 | 第38-39页 |
| 5.2 相关工作 | 第39-40页 |
| 5.3 本文方法 | 第40-42页 |
| 5.4 实验结果 | 第42-48页 |
| 5.5 真实数据集上实验 | 第48-49页 |
| 5.6 小结 | 第49-52页 |
| 第六章 系统技术实现 | 第52-58页 |
| 6.1 引言 | 第52页 |
| 6.2 系统内数据表示 | 第52页 |
| 6.3 系统功能模块划分 | 第52-53页 |
| 6.4 系统运行界面 | 第53-56页 |
| 6.5 小结 | 第56-58页 |
| 第七章 结束语 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-68页 |
| 附录 | 第68-69页 |