基于粗糙集和混合聚类法的决策表约简算法

在分析粗糙集理论、分层聚类算法和k-means聚类算法的基础上,提出一种基于粗糙集和混合聚类法的决策表约简算法,该算法首先是使用基于分层聚类的k-means混合聚类法离散化决策表中的连续属性,然后利用粗糙集理论对离散后的决策表进行属性约简,得到决策规则集,并通过在铁路客运量预测系统中的应用验证了算法的可行性和有效性.     

基于簇形均衡评估的高速公路收费数据聚类

高速公路收费数据是一种高维、海量、分布特征未知的数据集,因此难以选择 何种算法和参数最适合此类数据的聚类.针对此问题,提出一种基于簇形均衡的聚类评估 指标IBCS,对各簇的形状、分布、密度和尺寸等多种形态进行均衡综合评估.该指标根据 数据集稀疏程度自适应调整邻域置信区间来度量簇结构的分散度和分离度;度量密度使 得IBCS 具有面向数据集的算法选择能力;度量簇大小避免簇划分过于悬殊的问题.UCI 数据集上多种候选算法评估比较实验验证了该指标灵活有效,能获得准确簇数并合理划 分.最后,基于IBCS 评估的西宝高速公路收费数据聚类结果表明,采用K-means 算法,簇 数为5时聚类模式最佳.     

大数据k-Means聚类挖掘优化算法

基于数据规模导致难以应对的存储量、数据规模导致传统算法失效、大数据复杂的数据关联性导致高复杂度的计算等问题,对大数据下的k-means聚类优化算法进行研究,给出了适用于大数据任务处理的MapReduce软件架构的模型机制,通过改进k-means初始聚类中心的选取,提出了一种基于MapReduce模型的k-means聚类优化算法.最后将改进的算法应用于煤炭煤质的分析中,结果显示较传统算法,改进算法的效率有明显提高.     

k-means算法的改进和在保险业CRM中的应用

针对k-means算法存在的不足,提出了一种改进算法.针对目前保险业CRM系统的特点提出了用聚类分析方法进行客户群细分模型设计,通过实验验证了本文提出的k-means改进算法的高效性;实验结果证明聚类分析算法在CRM中实施类分析方法的客户群细分过程模型是行之有效的.     

随机GHP模型中机场容量混合聚类算法

为了有效利用机场容量资源,克服现有随机GHP模型中容量预测存在的人为误差,研究了机场容量混合聚类算法.将每天的容量按照30 min间隔划分为多个区间,每个区间对应着1个容量值,这样每天的容量就作为1个容量样本.采集国内某机场半年的容量样本,采用k-means和SOM神经网络的混合聚类算法,确定机场典型容量样本,计算相应...     

高速公路ETC客户细分方法研究

应用大数据技术,提出一种基于车辆通行特征的ETC客户细分方法.构建了ETC客户细分指标体系并利用ETC收费数据提取了最近消费间隔、年通行频次和年消费金额等细分指标;为克服大数据聚类的失效问题,结合CLARA算法完成了ETC客户全样本数据聚类分析;建立了ETC客户细分决策树并提取出细分规则,最终实现了ETC客户星级评定.分析结果表明,本文提出的ETC客户细分方法能够解析各类客户通行特征、当前价值和增值潜能,可为高速公路运营管理单位探索ETC客户精准营销和分级费率优惠提供创新思路,同时可为进一步提高ETC客户规模和支付比例、提升ETC管理决策水平提供理论支持.     

陕西省高速公路非现金收费管理及操作

随着科技不断进步,非现金收费作为交通管理部门为道路使用者提供的一种新的缴费方式和服务手段.其对于推进交通智能化建设,提升高速公路通行能力和通行效率,减缓收费站拥堵压力,进一步提高便民、利民服务能力,实现高速公路从管理型向服务型转变具有重要的意义.     

基于高速公路流水数据的通勤车辆特征研究

随着居民利用高速公路进行通勤出行车辆的增加,高速公路缓行和交通拥堵等问题时有发生,特别是在重大节假日期间.目前,解决上述交通问题的主要方法是交通需求管理措施,而实现有针对性的交通需求管理需要对高速公路收费流水数据进行精确的挖掘分析,掌握车辆在高速公路上的运行状态与时空分布特征.本文基于高速公路收费流水数据,借助 K-means++聚类方法识别使用高速公路日常通勤的车辆,进一步分析通勤车辆的出行时空分布特征.从通勤出行的角度,挖掘城市通勤快速出行廊道分布,研究高速公路网与城市道路网络的关系,对提高交通系统效率和缓解交通问题具有重要的意义.     

基于粗糙集-BP神经网络客户群特征与服务映射模型研究

针对客户服务项目的不确定性，基于不可分辨关系的粗糙集理论和BP神经网络算法优良的分类映射能力，提出了面向细分客户群的基于粗糙BP神经网络客户群特征与服务项目映射模型。本文将分析客户特征，运用粗糙集理论进行客户特征约简、划分等价关系、建立BP神经网络的初始拓扑结构，运用K-means算法划分客户群。通过引入粗糙集理论，改进BP神经网络算法，加快BP网络收敛的速度和逃离局部极小值点，并利用rosetta软件和Matlab编程实现面向细分客户群的客户特征与服务项目映射模型。     

基于高速公路流水数据的通勤车辆特征研究

随着居民利用高速公路进行通勤出行车辆的增加，高速公路缓行和交通拥堵等问题时有发生，特别是在重大节假日期间.目前，解决上述交通问题的主要方法是交通需求管理措施，而实现有针对性的交通需求管理需要对高速公路收费流水数据进行精确的挖掘分析，掌握车辆在高速公路上的运行状态与时空分布特征.本文基于高速公路收费流水数据，借助 K-means++聚类方法识别使用高速公路日常通勤的车辆，进一步分析通勤车辆的出行时空分布特征.从通勤出行的角度，挖掘城市通勤快速出行廊道分布，研究高速公路网与城市道路网络的关系，对提高交通系统效率和缓解交通问题具有重要的意义.