海量稀疏时空数据分析方法及应用研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 缩写、符号清单、术语表 | 第14-16页 |
| 1 绪论 | 第16-23页 |
| 1.1 课题背景 | 第16-19页 |
| 1.1.1 新型时空数据 | 第16-18页 |
| 1.1.2 时空数据分析的挑战 | 第18-19页 |
| 1.2 研究的目的和意义 | 第19页 |
| 1.3 主要研究内容和创新 | 第19-21页 |
| 1.4 本文组织结构 | 第21-23页 |
| 2 研究基础与现状 | 第23-37页 |
| 2.1 时空数据 | 第23-25页 |
| 2.2 时空数据分析的应用背景 | 第25-27页 |
| 2.3 稀疏、海量、可解释性时空数据分析方法综述 | 第27-36页 |
| 2.3.1 传统的特征工程与机器学习 | 第27-28页 |
| 2.3.2 多源稀疏时空数据分析方法 | 第28-33页 |
| 2.3.3 海量时空数据高效训练方法 | 第33-36页 |
| 2.3.4 基于语义挖掘的时空数据分析方法 | 第36页 |
| 2.4 本章小结 | 第36-37页 |
| 3 时空数据特征提取与建模 | 第37-55页 |
| 3.1 基于传感器和社交网络的时空特征提取 | 第37-47页 |
| 3.1.1 城市区域划分 | 第37-38页 |
| 3.1.2 时空特征提取 | 第38-47页 |
| 3.2 基于语义挖掘的方法 | 第47-53页 |
| 3.2.1 基于语义本体的特征 | 第47-48页 |
| 3.2.2 基于语义的区域隐含特征 | 第48-51页 |
| 3.2.3 基于结构化语义时空数据的特征 | 第51-53页 |
| 3.3 本章小结 | 第53-55页 |
| 4 基于多视图迁移学习的稀疏时空数据分析方法 | 第55-63页 |
| 4.1 问题定义 | 第55-56页 |
| 4.2 多视图迁移学习 | 第56-59页 |
| 4.2.1 多视图数据融合 | 第56-58页 |
| 4.2.2 基于特征映射的迁移学习 | 第58-59页 |
| 4.3 实验结果 | 第59-62页 |
| 4.4 本章小结 | 第62-63页 |
| 5 基于极限学习机的高效海量时空数据处理方法 | 第63-73页 |
| 5.1 研究动机与问题定义 | 第63-64页 |
| 5.2 框架介绍 | 第64-68页 |
| 5.2.1 深度极限自编码器 | 第64-66页 |
| 5.2.2 自适应领域极限学习机 | 第66-68页 |
| 5.3 实验结果 | 第68-70页 |
| 5.4 本章小结 | 第70-73页 |
| 6 基于语义挖掘的可解释性时空数据分析方法 | 第73-89页 |
| 6.1 研究背景和问题定义 | 第73-75页 |
| 6.2 基于语义挖掘的时空数据分析 | 第75-83页 |
| 6.2.1 结构化语义时空数据分析框架 | 第75-78页 |
| 6.2.2 知识和数据融合 | 第78-80页 |
| 6.2.3 辅助机器学习 | 第80-82页 |
| 6.2.4 案例分析 | 第82-83页 |
| 6.3 实验结果 | 第83-88页 |
| 6.3.1 数据集 | 第83-84页 |
| 6.3.2 案例分析结果 | 第84-88页 |
| 6.4 本章小结 | 第88-89页 |
| 7 城市内涝应用案例 | 第89-102页 |
| 7.1 应用背景介绍 | 第89-93页 |
| 7.2 分析技术框架 | 第93-95页 |
| 7.3 数据与实验结果分析 | 第95-101页 |
| 7.3.1 数据集 | 第95-96页 |
| 7.3.2 实验配置 | 第96-97页 |
| 7.3.3 基于单一来源城市数据实验结果 | 第97-98页 |
| 7.3.4 基于多个来源城市数据实验结果 | 第98-99页 |
| 7.3.5 城市内涝实时发布平台 | 第99-101页 |
| 7.4 本章小结 | 第101-102页 |
| 8 城市选址应用案例 | 第102-112页 |
| 8.1 应用背景介绍 | 第102-103页 |
| 8.2 分析技术框架 | 第103-105页 |
| 8.3 数据与实验结果分析 | 第105-111页 |
| 8.3.1 数据集 | 第105-106页 |
| 8.3.2 实验配置 | 第106-107页 |
| 8.3.3 实验结果 | 第107-111页 |
| 8.4 本章小结 | 第111-112页 |
| 9 总结和展望 | 第112-116页 |
| 9.1 研究内容总结 | 第112-113页 |
| 9.2 缺点与不足 | 第113-114页 |
| 9.3 时空数据分析的未来与下一步工作 | 第114-116页 |
| 参考文献 | 第116-126页 |
| 攻读博士学位期间主要的研究成果 | 第126-129页 |
| 致谢 | 第129页 |
