微信扫一扫,移动浏览光盘
简介
鉴于交通领域各系统的建设时期、开发部门、使用设备、技术发展阶段以及能力水平都存在差异，导致“信息孤岛”现象的出现，降低了工作的效率，妨碍了管理决策。笔者李桃迎在聚类分析方面潜心研究多年，尤其是近年来，通过参加国家自然科学基金委员会、科学技术部和交通运输部及多个省（市）主办的多项科研课题，深入研究了数据挖掘特别是聚类分析的理论、技术与方法，获得多项科研成果。特别是面向交通运输、物流管理等特色领域，开展基于聚类分析的创新性研究，在提高管理效率和挖掘效率方面取得了良好的社会效益与经济效益。 聚类分析因其应用非常广泛而成为数据挖掘研究的重要子领域，可为探索未知的数据结构提供帮助，并可作为一系列数据分析的起点，因此聚类分析成为本书的重要内容。《交通领域中的聚类分析方法研究》采用逐步演算和流程运行相结合的方式，力争使广大读者通过本书的学习快速掌握聚类分析的理论、技术与方法。
目录
第1章 绪论
1.1 本书的撰写目的及意义
1.2 国内外研究现状
1.3 聚类分析的研究热点问题
1.4 聚类算法新的研究方向
1.5 聚类分析的应用领域
1.6 本书的主要内容
第2章 复杂多源异构数据整合方法研究
2.1 多源异构数据整合方法
2.2 复杂多源异构数据整合的关键技术
2.3 基于XML技术的航务海事异构数据整合框架
2.4 本章小结
第3章 数据预处理技术
3.1 数据预处理
3.2 数据清理
3.3 数据集成和融合
3.4 数据变换
3.5 数据归约
3.6 本章小结
第4章 常用聚类分析方法
4.1 K—MEANS算法
4.2 K—MEDOIDS算法
4.3 CLIQUE算法
4.4 BP神经网络算法
4.5 灰色聚类
4.6 基于模糊等价关系的聚类
4.7 基于关键词搜索的网页聚类
4.8 本章小结
第5章 面向混合特征的权熵模糊C—均值优化方法研究
5.1 模糊聚类算法
5.2 面向数值属性数据的FCM算法改进算法
5.3 面向混合属性数据的权熵FCM算法优化算法
5.4 基于WEFCMO算法的模糊关联规则方法研究
5.5 实例分析
5.6 面向海事船舶等级划分的权熵模糊C—均值聚类流程结构图
5.7 本章小结
第6章 面向混合属性数据的聚类融合方法研究
6.1 聚类融合模型体系
6.2 聚类融合方法研究
6.3 实例分析
6.4 面向交通事故成因分析的聚类融合框架体系
6.5 本章小结
第7章 基于聚类融合的混合属性数据增量聚类方法研究
7.1 增量聚类方法概述
7.2 基于聚类融合的增量聚类方法
7.3 实例分析
7.4 几种算法的对比分析
7.5 面向海事船舶等级划分的增量聚类流程图
7.6 本章小结
第8章 聚类分析方法在交通领域中的应用
8.1 聚类分析在交通领域的应用研究
8.2 面向交通领域海事行业的数据整合方法应用研究
8.3 基于模糊聚类的船舶等级划分
8.4 基于关联规则的高速公路事故成因应用研究
8.5 混合属性FCM算法改进算法在物流商选择中的应用
8.6 基于模糊关联规则的交通事故成因分析应用研究
8.7 基于聚类融合的交通事故分析应用研究
8.8 面向海事船舶划分的增量聚类方法应用研究
8.9 本章小结
第9章 总结与展望
9.1 研究总结
9.2 展望
参考文献
附录A
附录B
1.1 本书的撰写目的及意义
1.2 国内外研究现状
1.3 聚类分析的研究热点问题
1.4 聚类算法新的研究方向
1.5 聚类分析的应用领域
1.6 本书的主要内容
第2章 复杂多源异构数据整合方法研究
2.1 多源异构数据整合方法
2.2 复杂多源异构数据整合的关键技术
2.3 基于XML技术的航务海事异构数据整合框架
2.4 本章小结
第3章 数据预处理技术
3.1 数据预处理
3.2 数据清理
3.3 数据集成和融合
3.4 数据变换
3.5 数据归约
3.6 本章小结
第4章 常用聚类分析方法
4.1 K—MEANS算法
4.2 K—MEDOIDS算法
4.3 CLIQUE算法
4.4 BP神经网络算法
4.5 灰色聚类
4.6 基于模糊等价关系的聚类
4.7 基于关键词搜索的网页聚类
4.8 本章小结
第5章 面向混合特征的权熵模糊C—均值优化方法研究
5.1 模糊聚类算法
5.2 面向数值属性数据的FCM算法改进算法
5.3 面向混合属性数据的权熵FCM算法优化算法
5.4 基于WEFCMO算法的模糊关联规则方法研究
5.5 实例分析
5.6 面向海事船舶等级划分的权熵模糊C—均值聚类流程结构图
5.7 本章小结
第6章 面向混合属性数据的聚类融合方法研究
6.1 聚类融合模型体系
6.2 聚类融合方法研究
6.3 实例分析
6.4 面向交通事故成因分析的聚类融合框架体系
6.5 本章小结
第7章 基于聚类融合的混合属性数据增量聚类方法研究
7.1 增量聚类方法概述
7.2 基于聚类融合的增量聚类方法
7.3 实例分析
7.4 几种算法的对比分析
7.5 面向海事船舶等级划分的增量聚类流程图
7.6 本章小结
第8章 聚类分析方法在交通领域中的应用
8.1 聚类分析在交通领域的应用研究
8.2 面向交通领域海事行业的数据整合方法应用研究
8.3 基于模糊聚类的船舶等级划分
8.4 基于关联规则的高速公路事故成因应用研究
8.5 混合属性FCM算法改进算法在物流商选择中的应用
8.6 基于模糊关联规则的交通事故成因分析应用研究
8.7 基于聚类融合的交通事故分析应用研究
8.8 面向海事船舶划分的增量聚类方法应用研究
8.9 本章小结
第9章 总结与展望
9.1 研究总结
9.2 展望
参考文献
附录A
附录B
Research on clustering algorithms in traffic domain
- 名称
- 类型
- 大小
光盘服务联系方式: 020-38250260 客服QQ：4006604884
云图客服：
用户发送的提问，这种方式就需要有位在线客服来回答用户的问题，这种 就属于对话式的,问题是这种提问是否需要用户登录才能提问
Video Player
×
Audio Player
×
pdf Player
×
