智能化数据挖掘方法综述

数据挖掘被产业界认为是数据库系统最重要的前沿课题之一,是数据库技术、人工智能、机器学习等多学科相结合的产物。介绍了智能数据挖掘方法的研究现状及存在的问题,包括数据挖掘的定义、数据挖掘的任务;指出了数据挖掘研究的挑战性以及今后的发展方向。     

基于均值聚类的银行客户信用关系分析

针对银行业中客户贷款契约违约风险较高的问题,通过把经济学中的特征分析模型与数据挖掘中的K-MEANS聚类算法相结合,利用现有客户资料,对客户资信评级分类,从而实现对客户信息的高质量管理,降低银行对客户贷款的风险．实验结果表明,此算法对客户的资信评级具有良好的分类效果．     

基于神经网络的数据挖掘模型在吸能装置上的应用

针对传统有限元分析方法对机车车辆结构耐撞性计算效率低的问题，在已有仿真分析数据基础上，引入机器学习方法，对车辆关键结构的耐撞性以及碰撞安全性进行分析预测. 首先，建立基于神经网络的数据挖掘模型，在此基础上构建车辆关键结构的碰撞响应预测方法；其次，通过试验验证了防爬吸能装置有限元模型的正确性，以此模型为基础获得不同壁厚防爬吸能装置的碰撞响应仿真数据；然后，以吸能装置壁厚作为模型输入，不同壁厚所对应的位移、速度、界面力和内能等碰撞响应作为模型输出，将有限元仿真数据用于模型训练，优化后的数据挖掘模型的拟合优度在0.922以上；最后，为验证模型预测的准确性，将碰撞数学模型的预测结果与有限元仿真结果进行对比，速度、位移、界面力和内能的平均相对误差分别为7.10%、4.51%、6.20%和2.50%. 研究结果表明:基于神经网络构建的数据挖掘模型在保证精度的情况下，能很好地反映防爬吸能装置的碰撞特性，大幅降低了计算时间，提高了计算效率.      

新一代人工智能交通信号控制器架构研究

针对目前基于传统交通控制理论设计的信号控制器存在的问题,提出基于边缘计算、场景驱动和交通控制资源化的新一代人工智能交通信号控制器的架构和设计理念。首先,以人工智能感知、决策需求为基础,提出场景驱动、交通控制资源化的全新概念,以此实现人工智能与交通信号控制的有效结合,并通过引入边缘计算重新构建智能交通信号控制器的技术架构;其次,利用边缘计算技术和SD(scene driven,software defined)技术,研究和设计交通信号控制器的软硬件结构;最后,针对下一步需要着力解决的理论和技术难题进行详细阐述。研究结果可为人工智能在城市交通控制领域的应用提供基础支撑和研究思路。     

公路隧道突发事件CBR-RBR交通控制方法

在传统经验式公路隧道交通控制方法基础上,利用人工智能中的知识表示方法和基于规则的专家系统,提出一种范例推理与规则推理相结合的公路隧道突发事件交通控制方法,建立了突发事件下公路隧道车辆诱导预案生成及管理系统。针对某平行分离式隧道,使用面向对象的范例表示方法,将已有范例表示为包含范例属性信息、控制方案信息和结果信息的三元组形式,并给出了计算范例相似度的方法。使用IF-THEN的产生式规则表示方法,结合公路隧道突发事件的类别属性和阻塞车道数属性,给出了产生单点交通事故车辆分流控制策略的推理规则。仿真结果表明:与传统范例推理方法相比,在范例数量不足条件下,该交通控制方法可缩短预案生成时间22%,方法有效。     

粒计算及其应用的研究

粒计算是一种新的计算模式,涉及到如何利用粒来求解问题的方法,其基本问题是两个相关问题的研究：粒的结构和粒的计算.本文介绍了有关粒计算中的研究问题和相关的主要研究工作;使用Rough集理论作为工具,在信息系统S上提出了粒计算的一种模式,给出了粒语言、粒语义和粒运算的形式定义;并探讨了该粒计算模式在数据挖掘中的应用.     

基于深度学习的短期交通流预测方法综述

针对基于深度学习的短期交通流预测问题,揭示了时空相关性建模本质,分析了建模过程中涉及的多尺度时空特性、异质性、动态性、非线性等特点,明确了基于深度学习进行短期交通流预测的核心挑战,阐述了短期交通流预测涉及的外部信息整合、多步预测与单步预测以及单体预测与集成预测等相关问题;按照网格化和拓扑化2种交通流数据组织方式,分别综述了当前最新的基于深度学习的短期交通流预测研究方向。研究结果表明：针对网格化交通流数据,当前研究主要包含了基于2D图像卷积神经网络、基于2D图像卷积神经网络与循环神经网络相结合、基于3D图像卷积神经网络3种预测建模方法;针对拓扑化交通流数据,当前研究主要包含了基于1D因果图像卷积与卷积图神经网络相结合、基于循环神经网络与卷积图神经网络相结合、基于自注意力与卷积图神经网络相结合、基于卷积图神经网络的时空同步学习4种预测建模方法;总体上,基于深度学习方法进行短期交通流预测相较于采用时间序列和经典机器学习方法获得了预测准确性上的极大提升;未来,针对物理理论、知识图谱与深度学习相结合,构建多时空数据挖掘大模型以及轻量化、可解释性、模型结构自动化搜索等维度的相关探索将成为重要研究方...     

遗传程序设计——计算机自动程序设计的新途径

遗传程序设计作为演化计算的分支，具有概率搜索的本质和结构优化的特征，已成为研究计算机自动程序设计的重要工具。文中对遗传程序设计的研究进展作了综述，着重比较了遗传程序设计与传统的人工智能方法在本质上的差异，并展望了今后遗传程序设计在计算机自动程序设计方面的应用前景。     

计算智能理论及其在RITS中的应用

从分析生物智能、人工智能和计算智能的发展过程及研究本质出发,给出了目前计算智 能的概念综述了主要研究方法和研究现状,特别指出了计算智能理论技术面临的挑战,并进行 了展望,最后分析了计算智能理论应用技术以及在铁路智能运输系统中的应用.     

旅游目的地的创新集成模型研究

运用产业经济学、管理学、数理统计学、数量经济学、旅游经济学等学科理论，集中分析和研究了旅游目的地创新集成的一些数学模型的理论性问题．结合旅游目的地各要素结构创新提出了旅游目的地创新集成（TDⅡ）的理论及TDⅡ的结构模型，并对TDⅡ的功能进行了分析，提出并研究了各要素结构指数及模型，建立了TDⅡ吸引力指数模型及TDⅡ投入模型和优化模型．     

���ڼ�������ѧģ�͵�����������Ԥ��

汽车保有量与社会经济的发展有着密切关系，通过建立计量经济学模型寻求汽车保有量和社会经济有关指标的函数关系，可以较为准确地预测一个地区短期内的汽车保有量.本文根据广东省的统计数据，给出建立计量经济学预测模型和进行各项检验的详细过程，并根据模型预测了广东省2004年和2005年的汽车保有量.     

交通事故宏观计量经济学模型(英文)

从经济发展水平、人口数量、汽车保有量、道路情况等宏观因素入手,研究了国内外道路交通事故规律,分析了人均GDP与千人汽车保有量、万车死亡率、10万人口死亡率之间的关系。以宏观计量经济学和柯布-道格拉斯函数为基础,利用7个国家的历史数据构建了交通事故面板数据模型。分别采用固定效应模型和随机效应模型进行参数估计,并进行了Hausman检验,得到7个国家的交通事故宏观计量经济学模型。计算结果表明:在交通事故参数中,10万人口死亡率与人均GDP、人均道路长度呈正相关,与千人汽车保有量呈负相关;通过Hausman检验,自由度为3的卡方分布值为3.91,概率为0.02,小于0.05的置信区间;与随机效应模型相比,固定效应模型各变量的置信区间都小于0.05,拟合优度更好。可见,本文模型有效。     

机场旅客吞吐量预测的组合方法研究

为提高机场旅客吞吐量预测的准确性,在综合计量经济法和时间序列预测方法各自优点的基础上,采用组合预测方法,使用多元线性回归模型确定组合预测方法的权重.以北京首都国际机场1994～2004年的旅客吞吐量为例,组合预测方法的平均拟合误差为3.36%.结果表明:组合方法总体上具有较高的预测精度和稳定性,既优于传统的计量经济法,也优于时间序列预测方法.     

外贸出口对广东经济增长的实证分析

外贸经济之于广东省的经济发展无疑是有重要作用的,本文将在充分借鉴已有研究成果的经验基础上,基于年度时间序列数据,进行必要的处理,适当选取变量,运用较为普遍的计量经济学方法建立模型,对广东外贸出口促进经济增长的内在规律和贡献程度进行实证分析,并根据结果,对广东如何通过外贸出口促进经济增长提出一些政策性的建议。     

面向Web的数据挖掘

数据挖掘能够较好地利用网络信息资源.基于面向W eb数据挖掘的特点,可以利用XML技术来解决W eb数据异构性,利用决策树算法实现W eb数据挖掘模型.     

空间数据挖掘技术

随着数据挖掘技术的不断发展与成熟,空间数据挖掘已成为人们研究的热点之一。虽然现在还没有一个空间数据挖掘的实用系统,但展望前景空间数据挖掘可广泛用于遥感图象处理、地理信息系统、计算机地图制作等领域。 本文基于知识种类的划分,展现了一些具有代表性的新的空间数据挖掘技术。     

四川交通运输系统计量经济模型

根据系统工程和系统动力学原理建立了由12个联立方程式组成的四川省综合运输计量经济模型．从经济意义、统计检验、计量经济学和模型稳定性4个方面对模型进行检验．检验结果表明该模型满足计量经济学检验,对1992～2001年四川省交通运输指标分析，动态模拟结果没有出现误差率超过20％的异常情况，整个模型的误差率为4．17％，说明模型的精确度较高，模型运行较稳定．     

基于Frame页面过滤的Web日志挖掘中的数据预处理方法

提出了基于Fram e页面过滤的W eb日志预处理方法,将数据挖掘技术应用到W eb服务器的日志中,从而发现W eb用户的行为模式,数据预处理为日志挖掘提供理想的数据,实验证明了该方法有效地解决了数据预处理中的一些问题.     

公路工程档案资源中的数据挖掘问题

公路工程档案中详细记录了公路工程项目建设的大量信息,运用数据挖掘技术将这些离散的数据进行分析和集成,对公路工程建设管理过程中的各项工作进行科学正确地分析、评价和预测具有十分重要的意义。在介绍数据挖掘技术基本概念和方法的基础上,对公路工程档案中的数据挖掘问题进行引导性的阐述。