车载自组织网络中车辆路径预测序列模式数据挖掘方法

为了向交通参与者提供实时、可靠的交通状况信息,提高出行效率,根据车辆序列模式特点,联系车载自组织网络拓扑结构与实际车辆运动路径,提出车载自组织网络环境下序列模式定义,采用基于路侧单元(RSU-Based)和基于车辆(Vehicle-Based)两种方案收集车辆路径信息,建立车辆行驶路径数据库,进行序列模式数据挖掘,评估其通信开销,计算车辆路径模式生成的运动规则的支持度和置信度,提取车辆频繁行驶路径及其概率。案例分析表明,在动态路网中使用序列模式数据挖掘方法能有效解决单车路径选择问题。     

新多维序列挖掘算法:对AprioriAll算法的改进

本文在序列模式挖掘算法AprioriAll算法的基础上,提出了一种新的序列模式挖掘算法。该算法改进了AprioriAll算法每次从候选项集中挑选大项集都要扫描数据库的缺点,以位图袁示法(bitmap representation)描述数据库,并利用矩阵式的数据结构对候选集进行计数,减少了数据库扫描次数,从而提高了挖掘的效率,实验证明,该算法在性能上优于AprioriAll算法。     

公交IC卡信息处理的数据挖掘技术研究

主要探讨数据挖掘技术在公交IC卡信息处理方面的运用，设计了公交IC数据仓库结构，提出数据挖掘系统的框架。从公交运营决策者和公交规划者两个角度提出数据挖掘目标，并根据挖掘目标阐述数据分析过程及挖掘方法。     

电子商务环境中分布式数据挖掘架构研究

对相关成果及文献进行了分析、研究,论述了目前数据挖掘在电子商务中的应用状况.提出了电子商务环境中分布式数据挖掘架构(BAWDM),该架构可以满足电子商务环境中分布式数据挖掘的要求,能够解决该环境中分布式数据的集成及通信问题,可以对异构环境下的数据进行操作,处理多种类型的数据.该架构具有开放性,能够有效集成多种挖掘工具,提供多种挖掘模型,不同的挖掘工具可以组合使用、满足不同类型的挖掘需求.     

基于知识挖掘的全面质量控制

实现全面质量控制是企业实施先进生产模式的重要基础。本文将全面质量控制分解为:内部质量控制与外部质量控制;然后提出了一套针对全面质量控制的知识挖掘方法,具体包含:基于内部质量活动成本的知识挖掘,以质量活动的成本数据及变化趋势为原始数据,应用apriori算法进行布尔型关联规则挖掘;基于外部质量控制中的故障模式的知识挖掘,在分析外部质量控制过程中产生的质量信息基础上,进行故障原因分析知识的数据挖掘和从故障现象到故障原因的聚类挖掘。     

基于聚类分析法的公路数据集成应用研究

从数据驱动模型入手,在系统性地梳理了路政行业数据资源情况与应用情况的基础上,首次采用聚类分析方法,对上海公路长期积累的PCI、RQI数据进行挖掘示例,发现了考虑管养条件影响的路面性能变化的主要模式,可对管养水平进行定量评价,揭示了聚类方法在此类数据挖掘中的适用性,实现对数据深度挖掘并进行深层次应用的目的。     

Web数据挖掘技术应用

Web数据挖掘是目前信息技术中的研究热点,它是现代科学技术相互渗透融合的必然结果。文章首先介绍了web数据挖掘的含义,重点讨论了web数据挖掘的类型以各种类型的web数据挖掘的基本过程以及它们所使用的一些相关技术及应用,并对数据挖掘的发展前景和方向进行了展望。     

浅谈数据挖掘中的关联分析

本文的主要内容包括:关联规则挖掘概念、国内外研究现状及对关联规则算法的研究,归纳了关联规则挖掘在诸多领域的应用。最后结合当前的研究成果,指出关联规则及数据挖掘的发展前景。     

数据挖掘在公交调查数据分析中的应用研究

针对公交调查数据背后信息挖掘的需求,论文首先介绍了公交调查数据挖掘的理论概念及任务方法。概述了公交调查数据挖掘的常规流程,并且在分析了几种公交调查数据挖掘模型建模方法的基础上,得出 k-means模型最适宜对公交调查数据进行聚类分析。最后以达州市公交调查数据为样本实例,采用年龄、职业、每周乘坐公交天数、每月公交花费、偏好付款方式等几种属性,借以 SPSS Clementine 为软件平台、以 k-means 为模型对各属性数据进行聚类分析,软件运行后得到相似度较大的几组类别,根据不同样本含量的几组聚类进行图表分析,分别得出优化公共交通服务的相应建议,达到最初挖掘公交调查数据背后信息的目的。     

基于AVL树的重复数据消除技术

数据清洗是建立数据仓库及进行数据挖掘的一个重要步骤。在数据挖掘过程中,重复冗余的数据会造成挖掘结果的偏差。本文使用AVL树作为对象识别标志Key的记录结构,通过判断生成的MD5信息摘要的插入操作来判断该Key是否已经存在,从而实现重复数据的清除。     

基于多视图时空卷积的交通流量预测模型

交通流量预测一直是智能交通系统的首要任务。由于交通流量序列具有复杂的时空依赖性,使得对其准确预测变得极具挑战性。现有很多工作主要基于循环神经网络、图网络以及Transformer模型构建交通流量预测模型。考虑到卷积网络具有计算效率高以及特征提取能力强等优点,提出基于多视图时空卷积的交通流量预测模型。模型在输入编码层对序列数据进行表示学习,并引入了位置信息和时间信息。在时空特征表示学习层,考虑到序列具有不同的周期模式,设计了多个表示学习模块。每个时空表示学习模块,基于一维卷积完成局部时空特征挖掘,然后基于因果卷积实现全局时空特征挖掘。在预测层,引入通道注意力机制提升模型对时空特征利用的有效性。在2个真实交通数据集上的实验结果,验证了MSTC模型在交通流预测任务上的有效性。     

关联规则挖掘算法

本文提出了数据挖掘中的时间余度、空间余度、时空复杂度和用户期望满意度等概念,并对它们进行了量化定义;给出了基于上述概念的关联规则挖掘算法AACE;针对算法进行了实验,证明了算法的有用性和应用价值。     

数据挖掘在居民出行调查数据分析中的应用

针对居民出行调查数据背后信息挖掘的需求,介绍了居民出行调查数据挖掘的理论及方法,概述了居民出行调查数据挖掘的常规流程,选择Apriori模型对居民出行调查数据进行分析。以南京市居民出行调查数据为样本实例,采用职业、年龄、受教育程度、出行目的等几种属性,以SPSS软件平台对各属性数据进行关联分析,确定影响居民出行方式选择的因素,得出改善居民出行方式构成的相应建议。     

浅析关联规则挖掘算法

数据挖掘(Data Mining),指的是从大型数据库或数据仓库中提取人们感兴趣的知识,这些知识是隐含的、事先未知的潜在有用信息.本文首先介绍了关联规则的基本概念、分类、价值衡量方法,然后详细叙述了现有的关联规则挖掘算法.最后对于实际问题的解决作了简单讨论.本文主要涉及单维布尔关联规则,对多层和多维关联规则挖掘仅作简单介绍.     

SUV车型外观评论文本情感分析

为了解决SUV车型外观海量评论文本隐藏信息挖掘分析问题,给出了一个基于LDA主题模型的数据挖掘方法.通过LDA主题模型识别出评论文本中潜藏的主题信息,计算感兴趣的文本主题和文本涵盖的主题比例.经过情感信息抽取、情感信息分类和情感分析建模等步骤,实现对文本评论的倾向性判断和隐藏信息挖掘,得到SUV车型的用户情感倾向分析结...     

Web数据挖掘在电子商务中的应用研究

电子商务网站顾客在Web上的行为都会产生大量数据信息。可运用数据挖掘技术对客户访问信息的Web数据进行挖掘,加深对客户访问行为的了解,从而调整网站结构和市场策略,使电子商务更具个性化和针对性。     

网络培训模式设置

汽修传统的培训模式大多依靠培训师自己的经验进行决策，存在主观、片面、盲目和速度缓慢等问题，无法适应现代汽修信息网络的发展，特别是现代汽修高新技术、经营管理技术大量出现并需要把握的要求。而运用现代汽修数据挖掘技术，可以在数据的快速组织、分析和知识的发展诸方面显示出巨大优势，它能对信息进行深层次挖掘，最终达到使汽修企业员工能切实把握不断涌现的现代汽修新知识。     

基于时间序列挖掘的城市供水控制系统研究

本文从分析当前城市主要的供水控制系统入手,提出了基于时间序列挖掘的系统方案,进而改善了数据处理的算法并提高了系统实时监控的能力。本文设计了系统的前馈、反馈控制结构,并给出了时间序列分析算法。     

线圈检测器采集信息的预处理方法和多维数据模型的构造

通过环形线圈检测器采集的数据,不仅具有时间序列的特性,而且与其所处的空间位置有很大的关系。文中论述了线圈检测器数据产生的原理,并提出了相应的预处理算法。针对交通数据管理现状和数据挖掘需要,借鉴了空间多维数据模型以建立交通流数据仓库。     

敞口式盾构挖掘装置有限元分析及试验研究

挖掘装置是敞口式盾构的重要部件,对敞口式盾构的作业性能起着决定性的作用。以北京市三一重机有限公司研制的首台敞口式盾构挖掘装置为研究对象,利用有限元软件,建立了挖掘装置有限元模型。选取铲斗挖掘模式和伸缩臂挖掘模式进行了强度和刚度分析,得到了挖掘装置的应力云图和位移云图,为敞口式盾构挖掘装置的设计和改进提供参考。对挖掘装置进行了应力测试,对仿真和测试结果进行了比较,验证了仿真结果的有效性。挖掘装置已成功应用于北京地铁6号线2期工程的实际施工中。