基于数据挖掘技术的智慧民生网络体系构建研究
发布时间：2023-04-05 10:28
智慧城市作为一个新的城市发展理念,得到了政府和企业界的认可,智慧民生的概念,学界还没有一个统一共识,至今仍百花齐放。人们对于智慧民生的认识和实践仍处于起步和探索阶段。本文研究聚焦于“什么是智慧城市与民生”这一现实问题,同时,针对智慧城市的定义,对如何进一步构建智慧民生网络体系进行了研究。本文首先从智慧城市出现与建设发展的现状,以及我国城市推进智慧城市建设的必要性和重要性出发,提出“什么是智慧城市”这一重要研究问题,并分析研究这一问题的重要意义,进而推出论文研究的核心——构建智慧民生网络体系。本文结构如下:第1章,绪论。首先,阐述本文的研究背景、研究问题及研究意义,分析目前国内、国外研究现状;其次,分析本文的研究方法、研究内容及研究的技术路线;最后阐述本文的创新点与研究的局限及不足之处。第2章,相关理论基础。基于文献回顾和相关基础研究的基础上,在对智慧城市的概念源起、发展历程、智慧城市与相关概念的关系、智慧城市的典型观点进行了详细分析的基础上,对智慧民生的相关概念、论文所分析的数据对象及本文分析所利用的数据挖掘手段等相关理论进行了回顾,为本文后续研究中的实证分析提供理论分析依据。第3章,...
【文章页数】：183 页
【学位级别】：博士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景与意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状与发展趋势
1.2.1 智慧城市概念综述
1.2.2 智慧民生要素综述
1.3 研究内容与技术路线
1.3.1 研究内容
1.3.2 技术路线
1.4 本文的组织结构
1.5 本文的创新与不足
1.5.1 本文的创新点
1.5.2 不足之处
第2章 相关理论基础
2.1 智慧城市与智慧民生的相关概念
2.1.1 智慧城市的定义和特征
2.1.2 智慧城市的架构及重点
2.1.3 智慧城市的北京演进
2.2 智慧民生体系构成要素
2.2.1 智慧民生定义的提出
2.2.2 智慧交通的涵义
2.2.3 智慧教育的涵义
2.2.4 智慧资源与环境的涵义
2.2.5 智慧医疗的涵义
2.3 数据挖掘技术在智慧民生中的应用
2.3.1 神经网络
2.3.2 集成学习
2.3.3 支持向量机
2.3.4 关联规则
2.3.5 聚类算法
2.3.6 文本挖掘
2.3.7 ARIMA模型
第3章 基于分层模型和图模型的智慧民生网络体系构建
3.1 研究背景
3.2 模型介绍
3.2.1 多层线性模型
3.2.2 概率图模型
3.3 研究思路与方法
3.4 智慧民生体系构建方法及估计
3.4.1 模型设定
3.4.2 参数估计
3.5 研究结果
3.5.1 分层模型估计结果
3.5.2 无向图模型的层内相关关系
3.5.3 有向图模型层次内的因果关系
第4章 智慧交通实证分析
4.1 共享单车实证分析
4.1.1 背景介绍及分析
4.1.2 数据来源及描述
4.1.3 描述性统计分析
4.1.4 共享单车特征规律探索
4.1.5 政策建议
4.2 北京市智慧出租实证分析
4.2.1 背景及需求分析
4.2.2 数据来源及分析
4.2.3 出租车投诉模型研究
4.2.4 描述性统计分析
4.2.5 关联规则挖掘潜在关系
4.2.6 投诉文本分析
4.2.7 订单量预测
4.2.8 政策建议
第5章 智慧资源与环境实证分析
5.1 北京市空气质量的实证分析
5.1.1 基本情况
5.1.2 PM2.5浓度分布计算
5.1.3 空气质量时间变化特征
5.1.4 模型实证分析
5.2 北京市住宅价格影响实证分析
5.2.1 影响因素分析
5.2.2 北京市二手房房价分布分析
5.2.3 交通因素对房价的分布分析
5.2.4 基于聚类方法探索教育对房价的影响
5.2.5 北京房价的时空预测
5.2.6 小结及政策建议
第六章 结论与展望
6.1 研究结论
6.2 研究不足与展望
参考文献
致谢
个人简历 在读期间发表的学术论文与研究成果
本文编号：3783250
【文章页数】：183 页
【学位级别】：博士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景与意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状与发展趋势
1.2.1 智慧城市概念综述
1.2.2 智慧民生要素综述
1.3 研究内容与技术路线
1.3.1 研究内容
1.3.2 技术路线
1.4 本文的组织结构
1.5 本文的创新与不足
1.5.1 本文的创新点
1.5.2 不足之处
第2章 相关理论基础
2.1 智慧城市与智慧民生的相关概念
2.1.1 智慧城市的定义和特征
2.1.2 智慧城市的架构及重点
2.1.3 智慧城市的北京演进
2.2 智慧民生体系构成要素
2.2.1 智慧民生定义的提出
2.2.2 智慧交通的涵义
2.2.3 智慧教育的涵义
2.2.4 智慧资源与环境的涵义
2.2.5 智慧医疗的涵义
2.3 数据挖掘技术在智慧民生中的应用
2.3.1 神经网络
2.3.2 集成学习
2.3.3 支持向量机
2.3.4 关联规则
2.3.5 聚类算法
2.3.6 文本挖掘
2.3.7 ARIMA模型
第3章 基于分层模型和图模型的智慧民生网络体系构建
3.1 研究背景
3.2 模型介绍
3.2.1 多层线性模型
3.2.2 概率图模型
3.3 研究思路与方法
3.4 智慧民生体系构建方法及估计
3.4.1 模型设定
3.4.2 参数估计
3.5 研究结果
3.5.1 分层模型估计结果
3.5.2 无向图模型的层内相关关系
3.5.3 有向图模型层次内的因果关系
第4章 智慧交通实证分析
4.1 共享单车实证分析
4.1.1 背景介绍及分析
4.1.2 数据来源及描述
4.1.3 描述性统计分析
4.1.4 共享单车特征规律探索
4.1.5 政策建议
4.2 北京市智慧出租实证分析
4.2.1 背景及需求分析
4.2.2 数据来源及分析
4.2.3 出租车投诉模型研究
4.2.4 描述性统计分析
4.2.5 关联规则挖掘潜在关系
4.2.6 投诉文本分析
4.2.7 订单量预测
4.2.8 政策建议
第5章 智慧资源与环境实证分析
5.1 北京市空气质量的实证分析
5.1.1 基本情况
5.1.2 PM2.5浓度分布计算
5.1.3 空气质量时间变化特征
5.1.4 模型实证分析
5.2 北京市住宅价格影响实证分析
5.2.1 影响因素分析
5.2.2 北京市二手房房价分布分析
5.2.3 交通因素对房价的分布分析
5.2.4 基于聚类方法探索教育对房价的影响
5.2.5 北京房价的时空预测
5.2.6 小结及政策建议
第六章 结论与展望
6.1 研究结论
6.2 研究不足与展望
参考文献
致谢
个人简历 在读期间发表的学术论文与研究成果
本文编号：3783250
本文链接：https://www.wllwen.com/shoufeilunwen/sklbs/3783250.html
