项目申报书
本项目为有效促进**产业的新业态培育，解决新媒体时代创新技术发展慢、传统业态升级难度大的问题，通过构建大数据趋势预测的新媒体行业智能服务平台，在向千万智能终端用户提供优质、健康、安全的数字媒体服务的同时，合理利用数据资源再生产，不断提高数据分析的广度和深度，基于趋势预测、深度学习、人工智能等技术，为新媒体行业提供全新的智能数据分析、行业趋势预测和内容定向投放等智能数据服务，为指导行业内容生产者和服务提供商能够及时更新产品、满足用户需求、降低资源损耗、节约生产成本起到积极的作用。
建设大数据趋势预测的新媒体行业智能服务平台，首先在面向千万级用户的大数据媒体平台***多年商业运营和服务的基础上，基于用户数据的积累和大数据人工智能分析技术的沉淀，从深层次挖掘分析海量用户的行为习惯，结合用户画像实现地域特征分析、媒资编排智能分析等，基于用户价值影响内容编排。其次，在指标预测、行业趋势发展分析方面，利用预测模型指导内容生产，实现精准传播。最后，为优化资源利用，在定向投放方面对广告投放效果评估、渠道投放评估，利用高效的定向投放降低资源损耗。
2022-01-25 22:07:41
794KB
基于LSTM的期货微观市场的趋势预测模型，袁祥枫，代根兴，本文介绍了期货市场的微观结构与LSTM算法的工作原理，并尝试将LSTM应用在期货tick数据上，提出了一个基于LSTM的期货tick数据短期趋势分�
2022-01-16 10:22:08
436KB
1
【预测模型-SVM预测】基于SVM实现股票趋势预测matlab源码.zip
2021-12-28 15:55:38
712KB
1
针对现有模糊信息粒化方法构建的高层信息粒不能完全包含底层数据信息、预测时间范围受限等问题,提出了一种插值梯形模糊信息粒化方法来预测瓦斯浓度趋势。对原始瓦斯浓度时间序列进行离散化形成若干子序列,计算每个子序列窗口的最大值与最小值形成梯形上沿的边界,通过对每个子序列窗口数据进行插值计算,形成新的瓦斯浓度时间序列窗口,对新的瓦斯浓度时间序列窗口采用数据遍历寻优的方式计算梯形下沿的边界,进而形成瓦斯浓度粒化区间序列。针对现有评价方法无法准确评价信息粒化效果的问题,提出了一种基于权值的粒化评价方法,通过加权均方根误差对粒化效果进行整体评价。实验结果表明,通过该方法对信息进行粒化的效果明显优于现有模糊粒化方法,并且粒化效果不随粒化窗口的增大而减小,具有较高的稳定性与鲁棒性。
2021-11-30 20:22:23
283KB
1