原文传递
数据仓库和数据挖掘及在交通量预测中的应用
| 论文题名： | 数据仓库和数据挖掘及在交通量预测中的应用 |
| 关键词： | 数据挖掘;支持向量机;统计学习理论;交通量预测 |
| 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、类别日益繁多的静态、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.该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. |
| 作者： | 王继生 |
| 专业： | 机械电子工程 |
| 导师： | 高宝成 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京邮电大学 |
| 学位年度： | 2004 |
| 正文语种： | 中文 |
检索历史
应用推荐
