数据挖掘技术在处理交通流数据中的研究及应用
摘要 | 第1-6页 |
Abstract | 第6-9页 |
第一章 绪论 | 第9-13页 |
·研究背景及意义 | 第9-10页 |
·国内外发展现状 | 第10-12页 |
·数据挖掘技术发展 | 第10-12页 |
·数据挖掘技术在交通方面的发展 | 第12页 |
·本文研究内容及结构 | 第12-13页 |
第二章 数据挖掘技术 | 第13-22页 |
·数据挖掘概述 | 第13-16页 |
·数据挖掘的任务 | 第13-15页 |
·数据挖掘的对象 | 第15页 |
·数据挖掘流程 | 第15页 |
·数据挖掘的方法 | 第15-16页 |
·数据预处理 | 第16-21页 |
·数据预处理的必要性 | 第17页 |
·数据挖掘预处理的主要任务 | 第17-21页 |
·本章小结 | 第21-22页 |
第三章 聚类算法 | 第22-39页 |
·聚类算法概述 | 第22-23页 |
·经典的聚类算法 | 第23-27页 |
·划分聚类算法 | 第23-25页 |
·层次聚类算法 | 第25-26页 |
·基于密度聚类算法 | 第26页 |
·基于网格的聚类算法 | 第26页 |
·基于模型聚类 | 第26-27页 |
·衡量聚类算法性能的指标 | 第27-28页 |
·聚类算法在交通中的应用 | 第28-38页 |
·分析过程 | 第28-29页 |
·聚类因子的确定 | 第29-30页 |
·聚类分析 | 第30-38页 |
·本章小结 | 第38-39页 |
第四章 时间序列算法 | 第39-48页 |
·时间序列挖掘概述 | 第39页 |
·时间序列挖掘的经典算法 | 第39-40页 |
·基本概念 | 第40页 |
·序列挖掘的一般步骤 | 第40页 |
·AprioriAll算法 | 第40-42页 |
·GSP算法 | 第42-43页 |
·Microsoft时序算法 | 第43-47页 |
·自动回归 | 第43-44页 |
·使用多个时间序列 | 第44-45页 |
·自动回归树 | 第45页 |
·季节性 | 第45-46页 |
·Microsoft时序算法参数 | 第46-47页 |
·本章小结 | 第47-48页 |
第五章 数据挖掘在处理交通流数据中的应用 | 第48-72页 |
·交通背景知识 | 第48-49页 |
·交通数据预处理 | 第49-55页 |
·数据来源 | 第50页 |
·数据预处理 | 第50-55页 |
·对数据的简单分析 | 第55-57页 |
·挖掘数据分布规律 | 第57-60页 |
·应用数据挖掘算法分析数据 | 第60-71页 |
·应用SQL2005时间序列算法分析数据 | 第60-69页 |
·各车型半年数据统计 | 第69-71页 |
·本章小结 | 第71-72页 |
总结与展望 | 第72-73页 |
参考文献 | 第73-76页 |
致谢 | 第76页 |