基于随机森林算法和多源数据的人口空间分布模型研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-22页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状 | 第12-19页 |
| 1.2.1 区域插值法 | 第12-14页 |
| 1.2.2 统计模型法 | 第14-16页 |
| 1.2.3 全球主要人口空间化项目 | 第16-18页 |
| 1.2.4 目前研究的不足 | 第18-19页 |
| 1.3 研究内容及意义 | 第19-22页 |
| 1.3.1 研究内容 | 第19-20页 |
| 1.3.2 研究意义 | 第20-21页 |
| 1.3.3 论文结构 | 第21-22页 |
| 第2章 研究区域与数据预处理 | 第22-31页 |
| 2.1 研究区域概况 | 第22-23页 |
| 2.2 数据和预处理 | 第23-31页 |
| 2.2.1 夜间灯光数据 | 第24-26页 |
| 2.2.2 上海市土地利用数据 | 第26-28页 |
| 2.2.3 上海市社会POI数据 | 第28-29页 |
| 2.2.4 上海市公安局实有人口数据库 | 第29-31页 |
| 第3章 基于随机森林算法的人口空间精细化分布模型 | 第31-51页 |
| 3.1 随机森林算法理论基础 | 第31-33页 |
| 3.2 研究方法 | 第33-51页 |
| 3.2.1 建立模型特征库 | 第35-36页 |
| 3.2.2 人口空间精细化分布模型的建立和训练 | 第36-42页 |
| 3.2.3 人口空间精细化分布模型的精度评价 | 第42-51页 |
| 第4章 人口空间精细化分布模型的特征解释和分析 | 第51-59页 |
| 4.1 基于决策路径估计的随机森林解译方法 | 第51-53页 |
| 4.1.1 决策路径和特征贡献 | 第51-52页 |
| 4.1.2 随机森林的特征贡献 | 第52-53页 |
| 4.2 人口空间估算模型的特征贡献分析 | 第53-59页 |
| 4.2.1 个体样本特征贡献分布 | 第53-54页 |
| 4.2.2 特征值与特征贡献的关系 | 第54-56页 |
| 4.2.3 特征贡献的空间分布特征 | 第56-59页 |
| 第5章 结论与展望 | 第59-62页 |
| 5.1 结论 | 第59页 |
| 5.2 研究不足和进一步的工作 | 第59-62页 |
| 参考文献 | 第62-65页 |
| 后记 | 第65-66页 |
