数据仓库和数据挖掘及在交通量预测中的应用

数据仓库和数据挖掘及在交通量预测中的应用

ID:33407116

大小:1.95 MB

页数:65页

时间:2019-02-25

数据仓库和数据挖掘及在交通量预测中的应用_第1页
数据仓库和数据挖掘及在交通量预测中的应用_第2页
数据仓库和数据挖掘及在交通量预测中的应用_第3页
数据仓库和数据挖掘及在交通量预测中的应用_第4页
数据仓库和数据挖掘及在交通量预测中的应用_第5页
资源描述:

《数据仓库和数据挖掘及在交通量预测中的应用》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、北京邮电大学硕士学位论文数据仓库和数据挖掘及在交通量预测中的应用姓名:王继生申请学位级别:硕士专业:机械电子工程指导教师:高宝成20040228数据仓库和数据挖掘及在交通量预测中的应用摘要近年来随着信息技术的发展,智能交通得到快速的发展。建设以信息化为特征的智能交通系统,关键在于综合应用先进的信息技术,对数量日益庞大、类别曰益繁多的静态、动态交通数据信息及社会信息资源进行综合开发和有效利用。而要解决这个问题,必须建立智能交通中的交通信息平台。而要建立如此大的信息平台。必须使用数据仓库技术。在平台中还要靠各种专家系统、人工智能系统、数据挖掘系统来对各种

2、有用的信息进行处理。从而进行辅助决策,为各个部门服务。其中,交通量预测不仅可以为公路可行性研究提供决策支持,还可以为交委提供统计决策依据和进行交通诱导。对于整个智能交通体系有很重要的意义。目前国内外提出的各种交通量预测方法有很多。但是传统方法都是线性模型方法,在遇到非线性问题时就效果不好。随着统计学习理论和机器学习理论的发展,支持向量机成为解决非线性回归估计问题的有效工具。它实现了结构风险最小化原理,能同时最小化经验风险和VC维的界,这就取得了较小的实际风险,从而对未来的样本有较好的泛化性能。本文利用支持向量机算法形成训练和预测样本,作出统计预测,从

3、而进行交通量实际预测。实验结果说明该方法的精确性和有效性。第一章绪论介绍了课题背景、意义及论文的工作内容;第二章对数据仓库的概念、体系结构和开发设计做了较详尽的阐述,然后对数据挖掘技术做了比较分析;第三章介绍了交通量预测的概念、目的和意义,及目前的各种预测方法;第四章结合支持向量机的理论分析,进行了交通量预测的实验;最后是总结和展望。关键词:数据挖掘;支持向量机;统计学习理论;交通量预测APPLICATIoNOFDATAWAREHoUSEANDDATAMININGINTRAFFICVoLUMEFoRECASTABSTRACTWiththedevelo

4、pmentoftheIT,Intelligenttransportsystemhasmadegreatprogress.Transportdatawarehouseneedtobebuiltinthetransportinformationcenter.Ontheaccountofthewholeintelligenttransportsystem,dataminingshouldbeappliedinthedatawarehouseanddecisionsupportsystemshouldbeusedwiththehelpoftheartific

5、ialjntelligentandexpertisesystem.TrafficvolumeforecastbelongstOtheregiontrafficplanandtrafficcontrol,anditisveryimportanttothewholeintelligenttransportsystem.ThissuBjeelcomparesallkindsofdatamining.ItselectstheSLTandMachinelearning’Sgeneration—supportvectormachineasthetooltofor

6、ecastthetrafficvolume.Itisprovedtobeefficient.Thesubject’Sbackground,significanceandcontentsareintroducedinthe1”chapter.Inthe2叫chapterthedatawarehouse’S也eory.structureanddevelopmentaredescribed.DataminingiSaIsoanalyzedthere.Thetrafficvolumeforecast’Stheory,goalandsignificancear

7、edetailedinthe3“chapter.Thesupportvectormachine’Stheoryandanalysisarelistedinthe4“chapter,wheretherearesomeexperiments.Therearetheconclusionandprospectatlast.KEYWORDS:DataMining;SupportVectorMachine(SVM);Statisticallearningtheory(SLT);Trafficvolumeforecast独创性(或创新性)声明本人声明所呈交的论文是

8、本人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢中所罗列的内容以外,论文

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。