事故车辆技术状况智能辅助鉴定系统研究*

道路交通事故技术鉴定与理赔是科学规范交通管理的一个重要内容,而作为道路交通事故技术鉴定的一个方面,事故车辆技术状况鉴定在其中占取了比较重要的地位。适应鉴定需要,研究设计了事故车辆技术状况智能辅助鉴定系统,采用基于相对权相似度的案例决策方法确定鉴定初始方案,基于粗糙集理论及关联规则发现算法从案例中获得修正规则,运用这些规则修正初始方案,从而为专家提供建议,为及时准确地鉴定提供了有效的技术支持。     

基于模糊关联规则的交通事故分析应用研究

研究发现交通事故潜在规律,预测交通事故的发生,针对关联规则方法用于交通事故分析,对交通的数值型属性无法给出有效地划分,为提高安全管理决策,提出引入模糊聚类,用改进FCM( Fuzzy c-Means)方法对数值属性进行聚类,可用取值的范围对分类属性进行聚类,采用模糊关联规则挖掘导致交通事故的原因和规律.模糊关联规则首先对FCM算法进行了改进,包括隶属度、权值和中心点的计算和修正方法,利用模糊关联规则方法进行挖掘,最后对算法进行了仿真和可视化显示,结果表明模糊关联规则方法挖掘出的规则符合现实情况,为交通管理提供有效的方法.     

基于关联规则理论的道路交通事故数据挖掘模型

根据数据挖掘技术中的关联规则理论,提出"道路交通事故属性"的定义,并建立一种新的道路交通事故数据挖掘模型,利用改进的多维多数据类型的Apriori算法,从记录交通事故的数据库中发现潜在的、有价值、有联系的规律,用以指导交通管理部门找出道路黑点,并做出决策,杜绝事故隐患、减少事故发生,保障人们的生命和财产的安全。     

道路交通事故中关联规则挖掘研究

为了有效地对交通事故进行预测,发现交通事故中的潜在规律,本文通过多维关联规则挖掘方法在Clemetine 11.0中建立Apriori关联规则挖掘模型,挖掘导致交通事故发生的频繁因素组合,从中找到规律,从而为交通管理部门采取相应的预防措施提供决策支持。     

基于邻接格的规则集压缩方法

关联规则挖掘能使你们发现大量数据中项目集之间有趣的关联或相关关系,通过研究发现,用传统关联规则方法会生成大量包含重复意义的规则,这必然会对用户迅速做出决策产生干扰。该文提出了一种基于邻接格的规则集压缩方法,使生成的规则大大精化,从而提供给用户简洁紧凑的关联规则集。     

交通事故的多维关联规则分析

城市机动车数量的增加已经导致城市交通事故的频繁发生，能否对已发生事故作出正确的分析将直接影响到能否对未来类似事故的成功避免。本文提出一种使用数据挖掘领域中的多维关联规则技术分析大量交通事故记录的方法，通过找出可能导致交通事故发生的频繁因素组合来发现某些事故发生的规律，并将这些规律作为现实中作出预防举措的依据。     

基于兴趣度的关联规则挖掘

关联规则挖掘是数据挖掘领域中的重要研究内容之一。然而,传统的基于支持度-可信度框架的挖掘方法可能会产生大量不相关、甚至是误导的关联规则。针对现有关联规则挖掘的评价标准存在的问题,提出在评价标准中增加兴趣度,并给出了兴趣度的定义和基于兴趣度的关联规则挖掘算法。利用兴趣度将关联规则分为正关联规则和负关联规则,从而可以用算法挖掘带有负项的关联规则。实验结果分析表明,在传统挖掘方法的基础上引入兴趣度,可以有效地减少正关联规则的规模,产生有意义的负关联规则。     

基于兴趣度的关联规则挖掘

关联规则挖掘是数据挖掘领域中的重要研究内容之一。然而,传统的基于支持度-可信度框架的挖掘方法可能会产生大量不相关、甚至是误导的关联规则。针对现有关联规则挖掘的评价标准存在的问题,提出在评价标准中增加兴趣度,并给出了兴趣度的定义和基于兴趣度的关联规则挖掘算法。利用兴趣度将关联规则分为正关联规则和负关联规则,从而可以用算法挖掘带有负项的关联规则。实验结果分析表明,在传统挖掘方法的基础上引入兴趣度,可以有效地减少正关联规则的规模,产生有意义的负关联规则。     

高速公路交通事故成因分析与关联因素研究

基于主成分分析原理研究了主成分分析在高速公路交通事故中的应用,根据数据分析结果,得出了影响交通安全的主要原因,进而采用关联规则挖掘方法挖掘出导致事故原因的条件因素,从而提出相应的预防措施,以达到降低高速公路交通事故发生的目的。     

广义关联规则及算法研究

挖掘广义关联规则是数据挖掘研究的一个重要方面,数据挖掘领域的研究者在挖掘广义关联规则上作了大量的工作,使之成为一个具有普遍和实用意义的数据挖掘方法。文章就挖掘广义关联规则的算法进行了深入的研究。     

基于灰色关联的LS-SVM道路交通事故预测

为提高道路交通事故的预测精度以及建模速度,在分析道路交通事故影响因素基础上,提出了基于灰色关联分析的LS-SVM道路交通事故预测模型。该模型首先采用灰色关联分析完成影响因素的相关性分析,结合关联度值,筛选最小二乘向量机模型的输入变量,简化LS-SVM模型结构;然后运用动态改变惯性权重自适应粒子群算法(DCW-APSO)对模型参数进行优化选取;最后应用模型预测1996-2000年的综合道路交通事故死亡率,并将预测结果与其他模型进行对比分析。结果表明：该模型具有较快的收敛速度,并能明显提高道路交通事故预测的精度。     

电力调度数据挖掘后处理方法的研究

关联规则是数据依赖关系的有效描述方法，是知识发现研究的重要内容．然而，随着所挖掘数据库规模的增大，由传统数据挖掘算法所生成的大量关联规则常常令用户的使用与分析十分困难．文中提出了一种新方法来解决这个问题并将其运用到电力调度数据挖掘系统中．实验结果表明，该方法消除了大量冗余规则，并且使用户可以从整体上把握整个规则集，提高了关联规则挖掘的准确性和易用性．     

最大频繁集的关联规则矩阵视图

文章研究了两个基本的关联规则推导关系,在此基础上建立了最大频繁集的关联规则矩阵视图,把一个频繁集生成的所有规则全部展现在一个矩阵中,并通过研究矩阵中的各规则元素的关系,得到一个频繁集或规则矩阵的基集和核(即最小规则集),可以从大型事务数据库生成的大量关联规则中挖掘出最小规则集和有用户感兴趣的规则。     

交通事故因素分析与预防

城市的不断发展已经导致城市交通事故的频繁发生,能否对已发生事故做出正确的分析将直接影响到能否对未来类似事故的成功避免.本文提出了一种新的数据分析方法,其结合了数据挖掘领域中的多维关联规则技术和概率统计学中的多元线性回归模型,充分发挥两者的优点.在对大量交通事故记录的方法进行分析中,不仅找出交通事故的发生规律,并通过影响算子对其进行二次加工,从中得出直观的参数函数,使得交通管理人员或城市规划者能在交通管理中方便地运用这些函数,不但可以对交通事故的产生做定量的分析,还可以直观地获得改进建议.     

一种无冗余的Web日志挖掘算法

Web日志挖掘是Web数据挖掘的一个重要研究领域。Web日志挖掘通过发现Web日志中用户的访问规律和模式,可以提取出其中潜在的规律和信息,人们对这个领域的研究也日益重视。然而,传统的基于关联规则的Web日志挖掘算法都是基于所有关联规则的。这种方式往往挖掘产生大量的候选规则,而且存在大量冗余的规则。提出了一种新的无冗余的Web日志挖掘算法,该算法通过引入频繁闭项集合最小关联规则的概念,从而解决了以往基于所有关联规则挖掘算法中出现的上述问题。     

民航旅客服务信息系统告警关联规则挖掘

告警关联规则挖掘是进行系统故障诊断、定位的重要方法。由于民航旅客服务信息系统的各子系统之间的关联关系,子系统一旦出现故障,会报出大量甚至海量的告警信息,使得维护人员在大量告警数据面前无法准确进行故障定位。针对故障诊断、定位等难题,提出基于滑动时间窗口框架的关联规则挖掘方法,在大量告警信息中寻找故障源、故障因素之间的关联。实验结果表明,提出的方法能准确、快速地发现有价值的告警关联规则,为系统维护人员提供决策支持。     

基于FP-growth算法的学生选课关联规则分析

关联规则技术是数据挖掘的最重要的组成部分之一,它用于发现大量数据中项集之间的有意义的关联和相关联系。本文介绍了使用关联规则挖掘算法FP-growth分析学生选课数据的方法。     

考虑时空相关的交通事故热点道路识别方法

目前交通事故热点道路分析多以交通事故为研究对象，较少考虑交通事故-道路的时空相关性，影响方法的实用性。针对上述问题，从交通设施管理部门角度出发，以道路为研究对象，给出交通事故-道路时空相关的定义，提出交通事故空间聚合算法，构建交通事故时空立方体，并进行线模式的热点道路分析。验证结果表明，该方法可直接发现交通事故热点道路，分析结果更为精细和准确，提升了交通事故高发道路识别的实用性。     

无冗余关联规则在财政收支分析中的应用

关联规则反映了大量数据中项目集之间的相关联系,通过关联规则的提取可以对大量的数据进行分析.运用无冗余关联规则的性质对财政收支体系中的重要参数指标进行数据处理和关联规则的挖掘,从而得到最有价值的信息,利用到决策中,具有非常重要的现实意义.     

影响关联规则挖掘的有趣性因素的研究

关联规则挖掘是数据挖掘研究中的一个重要方面,而其中一个重要问题是对挖掘出的规则的感兴趣程度的评估。实际应用中可从数据源中挖掘出大量的规则,但这些规则中的大部分对用户来说是不一定感兴趣的。关联规则挖掘中的有趣性问题可从客观和主观两个方面对关联规则的兴趣度进行评测。利用模板将用户感兴趣的规则和不感兴趣的规则区分开,以此来完成关联规则有趣性的主观评测;在关联规则的置信度和支持度基础上对关联规则的有趣性的客观评测增加了约束。