聚類分析與分類分析在軌道交通系統(tǒng)中的應(yīng)用.pdf_第1頁
已閱讀1頁,還剩82頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、近年來,隨著軌道交通的長足發(fā)展,大規(guī)模運(yùn)營數(shù)據(jù)沉積在軌道交通AFC中央數(shù)據(jù)庫中。在對軌道交通數(shù)據(jù)進(jìn)行科學(xué)處理時(shí),往往會因?yàn)槠渚哂幸?guī)模大、特征復(fù)雜等特點(diǎn),使得理解、分析這些數(shù)據(jù),并從中獲取知識變得十分困難。對于這些數(shù)據(jù),軌道交通決策者已經(jīng)不滿足于傳統(tǒng)的查詢、統(tǒng)計(jì)分析手段,而需要發(fā)現(xiàn)更深層次的規(guī)律,對軌道交通決策或日常運(yùn)營工作提供更有效的決策支持。由此數(shù)據(jù)挖掘和聯(lián)機(jī)分析處理勢在必行。
  本文以分類和聚類算法為主要研究對象,描述了算法

2、的基本理論及其應(yīng)用。在傳統(tǒng)聚類、分類算法的基礎(chǔ)上,主要研究適合軌道交通運(yùn)營數(shù)據(jù)的分類和聚類的理論及其發(fā)展過程;以及使用決策樹、時(shí)間序列、劃分聚類等技術(shù)解決軌道交通AFC運(yùn)營數(shù)據(jù)中的大規(guī)模知識發(fā)現(xiàn)問題。根據(jù)當(dāng)前較新的期望最大化算法和C4.5算法,結(jié)合軌道交通自動售檢票運(yùn)營數(shù)據(jù)中的時(shí)間序列,對軌道交通AFC中央數(shù)據(jù)庫沉淀的歷史數(shù)據(jù)進(jìn)行數(shù)據(jù)描述與挖掘分類,從中發(fā)現(xiàn)日常運(yùn)營過程中隱含的固有模式。通過相關(guān)性分析,提出了基于序列分析的期望最大化聚類

3、算法和決策樹分類算法。結(jié)合軌道交通運(yùn)營數(shù)據(jù)的序列性特點(diǎn),這兩個(gè)算法不僅能夠解決傳統(tǒng)挖掘算法具有的局部收斂與效率低下等諸多問題,更加適合于高維、大規(guī)模軌道交通運(yùn)營數(shù)據(jù)的分析。
  因此本文研究成果對大規(guī)模的軌道交通運(yùn)營數(shù)據(jù)進(jìn)行的分析一定會產(chǎn)生積極的促進(jìn)作用。同時(shí),本文在分析軌道交通售檢票系統(tǒng)運(yùn)營數(shù)據(jù)庫歷史沉積數(shù)據(jù)的基礎(chǔ)上,運(yùn)用數(shù)據(jù)倉庫等相關(guān)技術(shù),設(shè)計(jì)和實(shí)現(xiàn)了基于多維立方體、數(shù)據(jù)挖掘及聯(lián)機(jī)分析處理的決策支持系統(tǒng)。從而為提供準(zhǔn)確、高效的

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論