隨著公安機(jī)關(guān)多年持續(xù)對交通視頻監(jiān)控和車輛卡口系統(tǒng)的建設(shè),各地主城區(qū)及主要街道視頻監(jiān)控基本實(shí)現(xiàn)網(wǎng)格化,重點(diǎn)道路卡口基本實(shí)現(xiàn)全覆蓋。多年來隨著卡口及監(jiān)控設(shè)備的不斷增長,設(shè)備采集的數(shù)據(jù)也不斷積累,公安機(jī)關(guān)相關(guān)部門保存了海量的交通行為信息和卡口數(shù)據(jù)信息。但由于以前公安機(jī)關(guān)缺乏對數(shù)據(jù)進(jìn)行深入的分析的能力和模式,相關(guān)部門對于車輛監(jiān)控信息的應(yīng)用還處在簡單的查詢和統(tǒng)計(jì)層次,使這些歷史數(shù)據(jù)并不能發(fā)揮最大的管理效益。為了提高交通相關(guān)信息的利用效率和效果,本文以命名實(shí)體識別、聚類分析、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)等算法對公安交通系統(tǒng)數(shù)據(jù)進(jìn)行知識發(fā)現(xiàn)研究,為更好的提供交通管理服務(wù)和打擊犯罪提供有力支撐。首先,對于道路卡口系統(tǒng)過車數(shù)據(jù)的預(yù)處理方面,將動態(tài)的數(shù)據(jù)進(jìn)行均值化的處理從而避免車主短期行為對車輛使用習(xí)慣類型的劃分產(chǎn)生影響;對非結(jié)構(gòu)化文本數(shù)據(jù),采用CRF算法識別敏感詞并進(jìn)行脫敏,為安全挖掘敏感文本信息奠定基礎(chǔ)。其次,本文對卡口車輛信息的數(shù)據(jù)挖掘模式進(jìn)行了研究,提出了基于聚類分析的數(shù)據(jù)處理辦法。采用k-means聚類分析的方法對道路卡口系統(tǒng)過車數(shù)據(jù)進(jìn)行聚類分析,將連續(xù)的數(shù)值轉(zhuǎn)化為狀態(tài)性質(zhì)的離散變量。根據(jù)此聚類結(jié)果,可對比各個... 

【文章來源】：河北科技大學(xué)河北省

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

不同域的關(guān)聯(lián)規(guī)則其中A1、A2、A3為定義在A上的項(xiàng)，{|123}iA∈Ai=、、

圖 3-4 數(shù)據(jù)分析示意圖3-4 可知。從信息來源上來看，道路卡口監(jiān)控系統(tǒng)在信息的類型上存的信息，其中三類屬于基礎(chǔ)信息，另一種屬于實(shí)時信息。三種基礎(chǔ)卡口的基礎(chǔ)信息，即卡口的位置描述以及編號等等；2）車輛的基顏色、車型、品牌、發(fā)動機(jī)編號等信息；3）車主信息，車輛主人相信息都是作為基礎(chǔ)信息輸入，即不會因?yàn)闀r間的變化而短時間內(nèi)發(fā)類信息則是實(shí)時更新的動態(tài)數(shù)據(jù)，在卡口系統(tǒng)長時間運(yùn)行的過程中史數(shù)據(jù)，這也是進(jìn)行數(shù)據(jù)挖掘的主要對象。根據(jù)以上四個類型的數(shù)，得到相應(yīng)的數(shù)據(jù)挖掘結(jié)果。挖掘的步驟上，本文擬采取如下步驟進(jìn)行分布挖掘。挖掘流程如 3-5 所示，在具體的實(shí)施上采用五個流程。第一是數(shù)據(jù)的搜集與整究過程中可以直接從道路卡口監(jiān)控系統(tǒng)中獲取相關(guān)的數(shù)據(jù)；第二則處理，包含確定分析數(shù)據(jù)的窗口期以及主要參與數(shù)據(jù)挖掘的字段等

于關(guān)聯(lián)規(guī)則挖掘的卡口車算法簡介原理是通過對數(shù)據(jù)中的數(shù)據(jù)進(jìn)行重復(fù)的訪此基礎(chǔ)上不斷加入對應(yīng)的候選項(xiàng)實(shí)現(xiàn)的遍歷過程。其優(yōu)點(diǎn)是便于理解和實(shí)頻繁，算法效率不高[46]。其算法原理


本文編號：3512933