我國(guó)機(jī)動(dòng)車(chē)保有量逐年增長(zhǎng),給交通系統(tǒng)帶來(lái)的壓力越來(lái)越大,道路交通違法行為經(jīng)常性的發(fā)生不可避免,違法行為常常會(huì)導(dǎo)致交通事故,因此針對(duì)交通事故發(fā)生的原因進(jìn)行分析成為了交通系統(tǒng)研究的重點(diǎn)之一。交通違法行為是交通事故發(fā)生的基礎(chǔ),通過(guò)分析交通違法行為,發(fā)現(xiàn)構(gòu)成違法行為信息的各因素之間的關(guān)系,才能更好的預(yù)防交通違法行為的發(fā)生。同時(shí),隨著信息時(shí)代數(shù)據(jù)的大規(guī)模增長(zhǎng),知識(shí)發(fā)現(xiàn)已經(jīng)成為了熱門(mén),數(shù)據(jù)挖掘是其中的一個(gè)重要步驟,我國(guó)交通管理部門(mén)的數(shù)據(jù)庫(kù)中累積著大量的數(shù)據(jù),如何讓這些數(shù)據(jù)發(fā)揮出作用,數(shù)據(jù)挖掘技術(shù)必不可少。本文通過(guò)對(duì)研究交通違法信息數(shù)據(jù)的需求分析,說(shuō)明對(duì)違法數(shù)據(jù)進(jìn)行挖掘分析的必要性。關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘的一個(gè)重要組成部分,因此可以將關(guān)聯(lián)規(guī)則挖掘算法應(yīng)用于道路交通違法數(shù)據(jù)分析。Apriori算法是經(jīng)典的關(guān)聯(lián)規(guī)則挖掘算法,分析其基本思想及實(shí)現(xiàn)步驟,發(fā)現(xiàn)Apriori算法在尋找頻繁項(xiàng)集時(shí)產(chǎn)生大量候選項(xiàng)集,并且重復(fù)多次掃描數(shù)據(jù)庫(kù),造成算法執(zhí)行效率不理想。因此,針對(duì)其性能上的缺陷,通過(guò)刪除無(wú)意義的數(shù)據(jù)項(xiàng)壓縮數(shù)據(jù)集大小和對(duì)頻繁項(xiàng)集進(jìn)行剪枝有效減少候選集的數(shù)量,提出了改進(jìn)算法——R_Aprior... 

【文章來(lái)源】：長(zhǎng)安大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

WEKA界面

14圖 2.3 WEKA 中的 Explorer 界面如圖 2.3 所示 Explorer 界面總共有八個(gè)區(qū)域，區(qū)域 1 是用來(lái)切換不同任務(wù)，區(qū)域 2是一些數(shù)據(jù)打開(kāi)、保存、編輯按鈕，區(qū)域 3 可以對(duì)數(shù)據(jù)進(jìn)行篩選或變換，區(qū)域 4 是數(shù)據(jù)集的基本情況例如屬性、實(shí)例的數(shù)目，區(qū)域 5 是屬性摘要，不同的屬性類(lèi)型在列表中展示的內(nèi)容不同，區(qū)域 6 展示數(shù)據(jù)集的所有屬性并且可以進(jìn)行屬性刪除或找回，區(qū)域 7 是屬性的直方圖，區(qū)域 8 是狀態(tài)欄。2.4 本章小結(jié)在本章，首先對(duì)挖掘交通違法信息所需要的了解概念和工具進(jìn)行介紹，敘述了交通

驗(yàn)分析行了 Apriori 算法和 R_Apriori 算法的性能比較。程序使用進(jìn)行編寫(xiě)，測(cè)試環(huán)境是 PC：win8.1 64 位 Windows 系統(tǒng)。使oceries 數(shù)據(jù)集，記錄了某雜貨店一個(gè)月的真實(shí)交易記錄，總共不同商品。tail 數(shù)據(jù)集，是一個(gè)零售數(shù)據(jù)集，總共 88162 條消費(fèi)記錄，10I10D100K 數(shù)據(jù)集，是 IBM 公司人工模擬生成的數(shù)據(jù)集，總項(xiàng)目。使用 Groceries 數(shù)據(jù)集，對(duì)比兩種算法在不同最小支持度和不行效率，得到結(jié)果如圖 3.4 和圖 3.5 所示。

【參考文獻(xiàn)】：
期刊論文
[1]淺析數(shù)據(jù)挖掘中的數(shù)據(jù)預(yù)處理技術(shù)[J]. 張治斌,劉威.  數(shù)字技術(shù)與應(yīng)用. 2017(10)
[2]基于大數(shù)據(jù)規(guī)則挖掘的交通擁堵治理研究[J]. 周輝宇.  統(tǒng)計(jì)與信息論壇. 2017(05)
[3]基于關(guān)聯(lián)規(guī)則挖掘的Apriori改進(jìn)算法[J]. 白瑩瑩,申晨晨.  電子技術(shù)與軟件工程. 2017(03)
[4]數(shù)據(jù)挖掘中的數(shù)據(jù)預(yù)處理技術(shù)[J]. 董師倢.  信息與電腦(理論版). 2016(19)
[5]一種改進(jìn)的基于Spark的用戶行為分析方法的研究[J]. 阮得寶,李長(zhǎng)云.  湖南工業(yè)大學(xué)學(xué)報(bào). 2016(04)
[6]道路交通違法數(shù)據(jù)分析研判的思路與方法[J]. 王運(yùn)霞,顧金剛,李婭.  道路交通管理. 2016(06)
[7]城市道路交通事故致因分析及管理研究[J]. 楊成龍.  商. 2016(22)
[8]農(nóng)用車(chē)交通事故致因、預(yù)測(cè)及防控研究[J]. 趙穎,王翀,齊健.  中國(guó)農(nóng)機(jī)化學(xué)報(bào). 2016(02)
[9]關(guān)聯(lián)規(guī)則挖掘綜述[J]. 崔妍,包志強(qiáng).  計(jì)算機(jī)應(yīng)用研究. 2016(02)
[10]基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘算法的分析及應(yīng)用[J]. 方蓉.  電子測(cè)試. 2016(01)

博士論文
[1]關(guān)聯(lián)規(guī)則挖掘在分類(lèi)數(shù)據(jù)領(lǐng)域的擴(kuò)展性研究[D]. 毛宇星.復(fù)旦大學(xué) 2010
[2]數(shù)據(jù)挖掘中關(guān)聯(lián)分析算法研究[D]. 李強(qiáng).哈爾濱工程大學(xué) 2010

碩士論文
[1]基于Weka大數(shù)據(jù)挖掘方法在地震前兆數(shù)據(jù)處理中的應(yīng)用[D]. 王洪偉.太原理工大學(xué) 2017
[2]基于WEKA的交通流數(shù)據(jù)處理平臺(tái)搭建及預(yù)測(cè)實(shí)現(xiàn)[D]. 劉哲.北京交通大學(xué) 2016
[3]基于浮動(dòng)車(chē)軌跡的城市交通擁堵評(píng)估與預(yù)測(cè)[D]. 張本士.大連理工大學(xué) 2014
[4]道路交通違法行為的研究[D]. 趙梨利.西南交通大學(xué) 2014
[5]關(guān)聯(lián)規(guī)則挖掘相關(guān)算法研究[D]. 毛艷慧.西南交通大學(xué) 2009
[6]道路交通違法問(wèn)題現(xiàn)狀分析與對(duì)策研究[D]. 賀超.國(guó)防科學(xué)技術(shù)大學(xué) 2007



本文編號(hào)：3121232