聚类分析在交通流时序数据挖掘中的应用
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 引言 | 第10-13页 |
| ·研究背景 | 第10-11页 |
| ·研究内容 | 第11-13页 |
| 2 数据挖掘综述 | 第13-26页 |
| ·数据挖掘与知识发现 | 第13-15页 |
| ·数据挖掘产生背景 | 第13-14页 |
| ·KDD定义与步骤 | 第14-15页 |
| ·数据挖掘研究内容 | 第15-16页 |
| ·数据挖掘中的聚类分析 | 第16-19页 |
| ·时间序列数据挖掘 | 第19-23页 |
| ·时间序列挖掘的研究背景 | 第19-20页 |
| ·时间序列数据挖掘技术 | 第20-21页 |
| ·时间序列挖掘的研究现状 | 第21-23页 |
| ·数据预处理 | 第23-26页 |
| 3 时间序列聚类挖掘 | 第26-37页 |
| ·时间序列基本概念 | 第26-27页 |
| ·时间序列定义 | 第26-27页 |
| ·时间序列的分类 | 第27页 |
| ·时间序列特点 | 第27页 |
| ·时间序列相似性度量分析 | 第27-31页 |
| ·L_p气距离度量法 | 第28页 |
| ·DTW距离 | 第28-29页 |
| ·灰色关联度分析 | 第29-31页 |
| ·系统聚类算法 | 第31-37页 |
| ·聚类距离 | 第31-33页 |
| ·算法步骤 | 第33-34页 |
| ·聚类判别标准 | 第34-35页 |
| ·条件系统聚类 | 第35-37页 |
| 4 阶梯型系统聚类在交通流中的应用 | 第37-51页 |
| ·阶梯型系统聚类 | 第37-38页 |
| ·数据清洗与补偿 | 第38-39页 |
| ·实验结果 | 第39-49页 |
| ·结果分析 | 第49-51页 |
| 5 结论 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 作者简历 | 第56-57页 |
