基于GBDT算法的电视剧收视率预测

来源 :电视技术 | 被引量 : 0次 | 上传用户:user180
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
准确的收视率预测具有较高的商业价值,能够降低各方投资风险同时提高多方收益,形成合作共赢.为此,基于梯度提升决策树(Gradient Boosting Decision Tree,GBDT)算法建立电视剧收视率预测模型.研究表明,基于影响因素划分的GBDT电视剧收视率预测模型能够有效预测不同主创团队、题材及热度的电视剧的收视率,模型预测值能有效拟合真实收视率.GBDT预测方法为电视剧播前收视率前预测提供了一种新的思路.
其他文献
总结了发电企业再应急预案管理、应急演练、应急物资管控、应急救援、应急教育培训、基层应急能力等管理中存在的常见问题,并提出相应的改进对策,为发电企业应急预案管理提供了一定借鉴.
采用水热法合成了VO2纳米粒子,利用XRD、DTA、SEM和DSC等手段对VO2粒子的晶体结构、微观形貌、热演变过程及其热致相变性能进行了表征,探讨了乙醇和椰果添加量对VO2微观形貌及热致相变性能的影响规律.结果表明,水热法合成的VO2粒子均为VO2(B)晶体结构,经680℃热处理后晶体结构由B相VO2(B)转变为M相VO2(M);乙醇和椰果的加入,会在一定程度上引起结晶度和晶粒尺寸的减小,并且有“线球”状颗粒出现;反应液中添加椰果和50% 乙醇合成的VO2样品相变焓为41.41 J/g,具有最佳的热致相
为提高综合能源系统的能源利用效率,提出一种考虑能效的多目标优化模型与求解方法.首先,分析影响综合能源系统的能源流动环节效率的因素.然后,以运行成本最低为目标建立经济性目标函数,以能源利用效率最优为目标建立能效目标函数,采用加权系数法将多目标优化转化为单目标优化.最后,采用模型预测控制进行优化调度,设立仅考虑单一目标与考虑多目标优化多种场景.算例表明,所建立的模型能够引导综合能源系统对能源进行合理利用,通过经济性目标与能效目标的优化调度提升综合能源系统的能源利用效率.
鉴于架空地线的断股损伤会对电网系统产生重要影响,从架空地线的断股损伤机理出发,结合内蒙古电网实际运行线路的地线损伤情况,提出防范措施,为预防架空地线的断股损伤提供参考.
针对三相并网逆变器采用有限控制集模型预测控制FCS-MPC(finite control set model predictive control)时计算量大的问题,研究了一种事件触发有限控制集模型预测控制ET-FCS-MPC(event-triggered finite control set model predictive control)方法.在FCS-MPC中,采用两步预测控制,在当前时刻预测估算下一时刻的变量值,并以该值为起点再进行一次预测,实现对延时的补偿.采用矢量角补偿法对未来2个周期的参
信息技术的快速发展推动了数字绘画技术的发展,数码绘画技术逐渐出现.数码绘将绘画者从传统的手绘中解放出来,借助计算机进行绘制并依靠互联网进行广泛传播.对此,针对当下动画短视频面临的现状进行探讨,分析数码绘的优势和数码绘在动画短视频中的应用效果和价值,希望能为动画短视频行业的进一步发展提供参考.
主要分析网络传输协议在视频监控系统设计中的运用.设计者在设计基于网络传输协议的视频监控系统时,要充分考虑将多种视频监控核心服务进行融合,而且在业务设计过程中对于数据的稳定性、事件响应及时性等进行关注,从而进一步实现业务逻辑的高度协调,大大便利使用者的日常使用.
为了发挥微网电力市场的活力,实现清洁能源的优化配置,提高微电网消纳率,在融合半监督K-means聚类分析方法和支持向量机2种机器学习算法的基础上,提出了微电网源荷协调优化调度方法.首先利用改进的K-means聚类算法对源荷历史数据进行预处理.其次运用SVM对聚类后的微电网源荷数据进行预测,在预测结果中选取典型场景,以典型场景为代表准确得出风电出力的概率分布.然后建立了微电网总运行成本优化模型,通过用户需求响应引导用户响应风电出力,增加模型源荷双方的协调互动性,提高风电与用电负荷的匹配程度.最后,通过仿真验
在信息技术不断发展的时代背景下,虚拟演播室成为主导电视行业发展的风向标.虚拟演播室技术依靠计算机技术的支持,可以用虚拟的在线三维场景手段对摄像机拍摄的图像进行虚拟场景的模拟.微课在教学领域的运用范围越来越广,微课教学手段能弥补传统教学手段的不足之处.把微课和虚拟演播室技术结合起来,能够更加直观简单地还原抽象的教学环境,解决微课制作过程存在的问题,确保视频的图像和虚拟的场景同步变化,提高微课的制作质量,帮助学生快速掌握知识.
人类驾驶者会持续观察、分析周边车辆和行人的行为,实时地规划安全的行车轨迹.自动驾驶汽车也应当与人类一样具备感知和预测交通参与者行为的能力,以提前判断其未来的运动轨迹.轨迹预测模块的预测准确度至关重要,因为其接受感知系统提供的输入信息,并作为路径规划等决策任务的上游输入,使其成为自动驾驶技术中承上启下的重要中间环节.随着近年来数据科学和传感器领域的长足发展,大量关注行人、车辆等多样化交通参与者的大型数据集得以建立,使得轨迹预测问题的解决方案从传统的动力学模型过渡到深度学习模型成为可能.基于此,介绍行人、车辆