交通领域中的聚类分析方法研究

第1章绪论

1.1本书的撰写目的及意义

1.2国内外研究现状

1.3聚类分析的研究热点问题

1.4聚类算法新的研究方向

1.5聚类分析的应用领域

1.6本书的主要内容

第2章复杂多源异构数据整合方法研究

2.1多源异构数据整合方法

2.2复杂多源异构数据整合的关键技术

2.3基于XML技术的航务海事异构数据整合框架

2.4本章小结

第3章数据预处理技术

3.1数据预处理

3.2数据清理

3.3数据集成和融合

3.4数据变换

3.5数据归约

3.6本章小结

第4章常用聚类分析方法

4.1K—MEANS算法

4.2K—MEDOIDS算法

4.3CLIQUE算法

4.4BP神经网络算法

4.5灰色聚类

4.6基于模糊等价关系的聚类

4.7基于关键词搜索的网页聚类

4.8本章小结

第5章面向混合特征的权熵模糊C—均值优化方法研究

5.1模糊聚类算法

5.2面向数值属性数据的FCM算法改进算法

5.3面向混合属性数据的权熵FCM算法优化算法

5.4基于WEFCM（）算法的模糊关联规则方法研究

5.5实例分析

5.6面向海事船舶等级划分的权熵模糊C—均值聚类流程结构图

5.7本章小结

第6章面向混合属性数据的聚类融合方法研究

6.1聚类融合模型体系

6.2聚类融合方法研究

6.3实例分析

6.4面向交通事故成因分析的聚类融合框架体系

6.5本章小结

第7章基于聚类融合的混合属性数据增量聚类方法研究

7.1增量聚类方法概述

7.2基于聚类融合的增量聚类方法

7.3实例分析

7.4几种算法的对比分析

7.5面向海事船舶等级划分的增量聚类流程图

7.6本章小结

第8章聚类分析方法在交通领域中的应用

8.1聚类分析在交通领域的应用研究

8.2面向交通领域海事行业的数据整合方法应用研究

8.3基于模糊聚类的船舶等级划分

8.4基于关联规则的高速公路事故成因应用研究

8.5混合属性FCM算法改进算法在物流商选择中的应用

8.6基于模糊关联规则的交通事故成因分析应用研究

8.7基于聚类融合的交通事故分析应用研究

8.8面向海事船舶划分的增量聚类方法应用研究

8.9本章小结

第9章总结与展望

9.1研究总结

9.2展望

参考文献

附录A

附录B