大数据可视化系统在智慧城市领域的设计与应用.docx

大数据可视化系统在智慧城市领域的设计与应用 李宇陈丹红巩震李科慧 科技在进展，社会在进步，各类智能产品层出不穷，人们对生活质量的便捷舒适度要求也越来越高，才智城市的建立已成为大势所趋，对于数据的自主学习和可视化的城市运行全景图也渐渐成为主流。无论对企业还是居民个人，直观的数据展现为城市居民供应了清楚的认知，调动全民为城市建立作出积极的行动，提高其“仆人翁”意识，发挥群众自主性，共同为城市的进展做出奉献和努力，这也是才智城市大数据可视化的魅力所在。随着人类社会的不断地进展，将来城市面对的大数据处理将会越来越多。大数据可视化系统在才智城市领域的应用，不仅有利于解决城市进展中存在的问题，还可以拉动国民经济和产业进展构造战略性调整，提高人们生活的效率，促进社会快速的进展，最终实现企业的可持续进展。本文运用信息通信技术手段构建才智城市大数据可视化系统，将政府、企业和居民感兴趣的信息三维化呈现在群众视野，从而到达对城市的智能治理。 首先，构建才智城市大数据可视化系统网络时，本文选择使用留意力机制。留意力机制来源于人的视觉系统，人在留意一样事物时是有选择性的，一般来说，会先提取关键词来进展处理，基于留意力机制的才智城市大数据可视化平台可以以端到端的方式自动学习，更多关注计算中的重点问题。其次，对于可视化的图片成像来说，编码和解码是必不行少的任务。在初始阶段，输入一个初始向量，用卷积神经网络进展编码，解码可以采纳留意力机制的循环神经网络，提高机器自主学习力量。才智城市大数据可视化系统网络的一个具体运行过程见图1。 （一）矩阵分解算法 矩阵分解算法的意义在于提高计算速度。本文对城市中每个居民和工程构建一个向量因子模型，由k维向量表示，其中每个重量代表居民在一个因子上的偏好程度或者工程在一个因子上的侧重程度。而在矩阵分解中，评分矩阵是很重要的，为此本文可以构建： 图1 系统网络构造设计图 用户对工程的评分矩阵是M，用户因子矩阵是U，工程因子矩阵V，则矩阵分解算法可表示为：M=UV 实现该矩阵分解，转变为解下面的最优化问题： （三）交替下降算法 交替下降算法的實质就是先固定一个变量，使函数对另外一个变量求偏导，更新其变量，接着对更新后的变量进展固定，使函数对另一变量求偏导，再更新。如此反复交替 大数据可视化决策系统在才智城市领域进展试验与应用。本文采纳动态权重平均法，获得表1的结果。 从表格中可以看出，利用动态加权平均算法可以很好地适用于各种前馈型神经网络。从这个结果可以看出，动态加权平均算法会是将来才智城市可视化进展的一个很好的趋势。 表1 动态权重平均试验结果 随着人类社会的不断地进展，将来城市面对的大数据处理将会越来越多。大数据可视化系统在才智城市领域进展应用，不仅有利于解决城市进展中存在的问题，也可以拉动国民经济和产业进展构造战略性调整，提高人们生活效率、促进社会快速进展以及实现企业的可持续进展。才智城市大数据可视化系统是运用信息通信技术手段，对一个城市内部运行的各项关键信息进展统计计算进而整合信息，从而对政府、企业和居民的各项需求作出便捷的响应。其实质是利用先进的信息技术，将二维数据三维化呈现在群众视野，从而到达对城市的智能治理，为城市中生活的人制造更高效美妙的生活，促进城市的可持续进展。 猜你喜爱 矩阵变量因子 一类常微分方程的解法讨论赢将来(2023年15期)2023-08-14直径不超过2的无爪图的2因子数学学习与讨论(2023年7期)2023-05-16图的齐次因子分解课程教育讨论·新教师教学(2023年33期)2023-05-07巧解难题二则山东青年(2023年11期)2023-03-29多项式理论在矩阵求逆中的应用读与写·教育教学版(2023年10期)2023-11-10矩阵南都周刊(2023年3期)2023-09-10矩阵南都周刊(2023年4期)2023-09-10矩阵南都周刊(2023年1期)2023-09-10分别变量法：常见的通性通法新高考·高二数学(2023年7期)2023-09-18不行无视变量的离散与连续福建中学数学(2023年9期)2023-11-03