1.一种智慧旅游目标匹配方法，其特征在于，包括以下步骤：(1)获取数据；

(2)数据预处理；由于数据格式的多样性，提取相关数据，并将初始数据转换为推荐系统中数据挖掘算法能够识别的格式；

(3)构建数据库：包括模式数据库、用户注册数据库、目的地信息数据库；

(4)根据给定的目的地范围生成目的地路线数据库，包括目的地信息表和路线类别表，以及根据用户特征生成用户信息表、用户事务表和用户选择趋势表；

其中，步骤4)包括：

利用地理主题模型分析用户对旅游目的地的偏好，并根据旅游目的地的特点推荐旅游目的地，建立旅游者模型和旅游产品信息模型；根据该模型，得到用户对不同目的地特征的偏好，并预测用户对其他目的地的偏好；使用数值来表示用户对目的地的偏好；对于每个用户P，其对每个目的地的满意度计算公式为：P＝P(Y＝1)＝F(βiXi)；

推荐算法基于人口统计的推荐算法，根据年龄和性别最基本的信息对用户进行分类；

定义k为单元的灵敏度，i为隐含层的网络输出，即非线性变换前的网络输出；获取隐藏层以输出层权重更新规则：

基于关联规则的旅游目的地推荐是利用频繁闭集挖掘算法，首先统计每个目的地在旅游记录中出现的次数，然后利用数据结构挖掘频繁闭集；条件频繁模式树通过条件数据库，根据表头挖掘出每个项目的条件频繁模式树，最后根据该条件频繁模式树得到频繁模式；

位于景区内的，应当标明旅游者已到过景区，然后直接返回旅游者所在的景区；如果没有优化策略，其复杂性如下式所示：

wij(k+1)＝wij(k)+ηδixj；

在卷积核与前一层的每个响应图卷积之后，对每个层的第一响应图的每个像素求和；

如公式所示：

在虚拟场景中，需要实时加载和显示三维模型，因此必须在三维渲染效率和三维模型真实性之间保持平衡；限制神经元大部分时间不活动；定义为隐藏单元的激活值，定义以下限制：

为了提供数据信息，需要通过数据连接池、数据控制系统进行更好的控制和管理；除了各旅游景区类别的准确度外，还展示各旅游景区的分类表现；

根据用户的喜好，建立相应的模型；通过直接向用户发放问卷，根据自己填写的问卷答案或用户以前对产品的评价信息，获得用户的明确信息；通过非线性变换，得到如下结果：在某个顺序上，所有候选集都可能不满足条件，并且不需要移动到下一个顺序；没有优化策略的复杂性如公式表示：

景区管理者在地图上设置指定区域；没有优化策略的复杂性如公式表示：将所有图像的图像块分组到一个数据集中；在进入无监督学习方法之前，需要对数据集进行预处理，即去相关；如公式所示：热点旅游目的地系统包括离线模块和在线模块，其中离线模块中的数据库管理系统主要负责对数据库中的数据进行操作、维护和管理；在线模块的推荐模块直接为访问该系统的用户提供服务，记录用户访问的旅游景点并生成相关数据；旅游线路推荐系统的在线模块为用户提供在线浏览推荐服务，优化复杂度如下式所示：将衡量旅游社交网络的度中心性和结构洞，并将其作为预测模型的预测因子，以提高预测精度；该指标的计算方法是将个体与总量的关系相加；公式如下：其中，xij参与者j和i之间的关系，如果相关，则度中心性等于1，否则为0；

为了使度中心性指数标准化或规范化，以便比较不同大小的网络，将度中心性指数除以最大可能的中心节点，并将结果表示为比例或百分比，如下式所示：结构洞是互联人群之间信息流结构上的缺口；结构洞的得分形成了一个网络约束指数；如果一个人有最强的约束，对应有一个高约束指数，如果一个人有最少的约束，对应有一个低约束指数；结构约束的计算公式为：其中j表示与自我i接触的所有人，q是除i或j以外的第三者，pij是参与者i与j的关系所占的比例，Piq Pqj衡量i与j与其他主要联系人q的关系所占的比例；中心度较高、结构洞约束最小的景点吸引更多的游客；这两个指标应用于旅游需求预测模型中，以提高预测精度。

2.如权利要求1所述的一种智慧旅游目标匹配方法，其特征在于，通过灰色关联分析是根据序列的相似度来判断不同的度中心性序列之间是否存在密切联系；相似度越高，相关性越强；灰色关联分析如下：

步骤1：定义参考数据系列，Y0＝(y0(1),y0(2),...,y0(n)),，其中n是系列中的元素数；

步骤2：建立所有比较序列，Yi＝yi(k)，其中i＝1,2,…m表示因子数，k＝1,2,…n表示序列中元素数；

步骤3：标准化参考数据系列和所有比较数据系列，如下所示：步骤4：计算参考序列与比较序列的关系系数，如下式所示：其中，ζ∈[0,1],ΔO0，i(k)＝|Z0(k)‑Zi(k)|；Δmin和Δmax定位为：步骤5：计算参考系列和比较系列之间的关系程度：如下式所示：步骤6：根据他们各自的关系程度对关系程度进行排序:如果r0,i

3.如权利要求2所述的一种智慧旅游目标匹配方法，其特征在于，预测具有季节性的每月入境旅游人数首先将数据去季节化，使用过滤器来评估趋势和季节性的影响，这些影响是根据时间顺序中的每月游客量来进行连续观测的；假设一个给定的时间序列，如下式所示：

χt(Observed Series)＝τt(Permanent Trend)+ξt(Cycle)；

过滤器通过求解以下标准惩罚程序来提取趋势，如下式所示：如果平滑参数λ控制调整后趋势序列的平滑度，λ→0，则趋势近似于实际序列xt，而λ→∞则趋势变为线性；过滤器用于取消每个单月游客数量的影响。

4.如权利要求3所述的一种智慧旅游目标匹配方法，其特征在于，为了解游客的个人考虑、对自助游的态度、遇到的问题和采取的解决方案，在做需求分析之前，通过互联网进行问卷调查；根据网站随机抽取的100人问卷，获得旅途中遇险原因的数据，作为需求分析的参考资料之一。

5.如权利要求4所述的一种智慧旅游目标匹配方法，其特征在于，电子导游卡具有短信广播、语音报时功能，多个电子导游卡通过数据挖掘算法和基于协同过滤的算法，找到消费偏好相似的用户，进而预测用户可能感兴趣的商品，从而促进交易的完成，提高销售业绩。