Apriori改进算法在交通违法数据分析中的应用研究
发布时间：2021-04-06 09:51
我国机动车保有量逐年增长,给交通系统带来的压力越来越大,道路交通违法行为经常性的发生不可避免,违法行为常常会导致交通事故,因此针对交通事故发生的原因进行分析成为了交通系统研究的重点之一。交通违法行为是交通事故发生的基础,通过分析交通违法行为,发现构成违法行为信息的各因素之间的关系,才能更好的预防交通违法行为的发生。同时,随着信息时代数据的大规模增长,知识发现已经成为了热门,数据挖掘是其中的一个重要步骤,我国交通管理部门的数据库中累积着大量的数据,如何让这些数据发挥出作用,数据挖掘技术必不可少。本文通过对研究交通违法信息数据的需求分析,说明对违法数据进行挖掘分析的必要性。关联规则是数据挖掘的一个重要组成部分,因此可以将关联规则挖掘算法应用于道路交通违法数据分析。Apriori算法是经典的关联规则挖掘算法,分析其基本思想及实现步骤,发现Apriori算法在寻找频繁项集时产生大量候选项集,并且重复多次扫描数据库,造成算法执行效率不理想。因此,针对其性能上的缺陷,通过删除无意义的数据项压缩数据集大小和对频繁项集进行剪枝有效减少候选集的数量,提出了改进算法——RAprior...
【文章来源】：长安大学陕西省 211工程院校 教育部直属院校
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
WEKA界面
14图 2.3 WEKA 中的 Explorer 界面如图 2.3 所示 Explorer 界面总共有八个区域，区域 1 是用来切换不同任务，区域 2是一些数据打开、保存、编辑按钮，区域 3 可以对数据进行筛选或变换，区域 4 是数据集的基本情况例如属性、实例的数目，区域 5 是属性摘要，不同的属性类型在列表中展示的内容不同，区域 6 展示数据集的所有属性并且可以进行属性删除或找回，区域 7 是属性的直方图，区域 8 是状态栏。2.4 本章小结在本章，首先对挖掘交通违法信息所需要的了解概念和工具进行介绍，叙述了交通
验分析行了 Apriori 算法和 R_Apriori 算法的性能比较。程序使用进行编写，测试环境是 PC：win8.1 64 位 Windows 系统。使oceries 数据集，记录了某杂货店一个月的真实交易记录，总共不同商品。tail 数据集，是一个零售数据集，总共 88162 条消费记录，10I10D100K 数据集，是 IBM 公司人工模拟生成的数据集，总项目。使用 Groceries 数据集，对比两种算法在不同最小支持度和不行效率，得到结果如图 3.4 和图 3.5 所示。
【参考文献】：
期刊论文
[1]浅析数据挖掘中的数据预处理技术[J]. 张治斌,刘威. 数字技术与应用. 2017(10)
[2]基于大数据规则挖掘的交通拥堵治理研究[J]. 周辉宇. 统计与信息论坛. 2017(05)
[3]基于关联规则挖掘的Apriori改进算法[J]. 白莹莹,申晨晨. 电子技术与软件工程. 2017(03)
[4]数据挖掘中的数据预处理技术[J]. 董师倢. 信息与电脑(理论版). 2016(19)
[5]一种改进的基于Spark的用户行为分析方法的研究[J]. 阮得宝,李长云. 湖南工业大学学报. 2016(04)
[6]道路交通违法数据分析研判的思路与方法[J]. 王运霞,顾金刚,李娅. 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]. 杨成龙. 商. 2016(22)
[8]农用车交通事故致因、预测及防控研究[J]. 赵颖,王翀,齐健. 中国农机化学报. 2016(02)
[9]关联规则挖掘综述[J]. 崔妍,包志强. 计算机应用研究. 2016(02)
[10]基于关联规则的数据挖掘算法的分析及应用[J]. 方蓉. 电子测试. 2016(01)
博士论文
[1]关联规则挖掘在分类数据领域的扩展性研究[D]. 毛宇星.复旦大学 2010
[2]数据挖掘中关联分析算法研究[D]. 李强.哈尔滨工程大学 2010
硕士论文
[1]基于Weka大数据挖掘方法在地震前兆数据处理中的应用[D]. 王洪伟.太原理工大学 2017
[2]基于WEKA的交通流数据处理平台搭建及预测实现[D]. 刘哲.北京交通大学 2016
[3]基于浮动车轨迹的城市交通拥堵评估与预测[D]. 张本士.大连理工大学 2014
[4]道路交通违法行为的研究[D]. 赵梨利.西南交通大学 2014
[5]关联规则挖掘相关算法研究[D]. 毛艳慧.西南交通大学 2009
[6]道路交通违法问题现状分析与对策研究[D]. 贺超.国防科学技术大学 2007
本文编号：3121232
【文章来源】：长安大学陕西省 211工程院校 教育部直属院校
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
WEKA界面
14图 2.3 WEKA 中的 Explorer 界面如图 2.3 所示 Explorer 界面总共有八个区域，区域 1 是用来切换不同任务，区域 2是一些数据打开、保存、编辑按钮，区域 3 可以对数据进行筛选或变换，区域 4 是数据集的基本情况例如属性、实例的数目，区域 5 是属性摘要，不同的属性类型在列表中展示的内容不同，区域 6 展示数据集的所有属性并且可以进行属性删除或找回，区域 7 是属性的直方图，区域 8 是状态栏。2.4 本章小结在本章，首先对挖掘交通违法信息所需要的了解概念和工具进行介绍，叙述了交通
验分析行了 Apriori 算法和 R_Apriori 算法的性能比较。程序使用进行编写，测试环境是 PC：win8.1 64 位 Windows 系统。使oceries 数据集，记录了某杂货店一个月的真实交易记录，总共不同商品。tail 数据集，是一个零售数据集，总共 88162 条消费记录，10I10D100K 数据集，是 IBM 公司人工模拟生成的数据集，总项目。使用 Groceries 数据集，对比两种算法在不同最小支持度和不行效率，得到结果如图 3.4 和图 3.5 所示。
【参考文献】：
期刊论文
[1]浅析数据挖掘中的数据预处理技术[J]. 张治斌,刘威. 数字技术与应用. 2017(10)
[2]基于大数据规则挖掘的交通拥堵治理研究[J]. 周辉宇. 统计与信息论坛. 2017(05)
[3]基于关联规则挖掘的Apriori改进算法[J]. 白莹莹,申晨晨. 电子技术与软件工程. 2017(03)
[4]数据挖掘中的数据预处理技术[J]. 董师倢. 信息与电脑(理论版). 2016(19)
[5]一种改进的基于Spark的用户行为分析方法的研究[J]. 阮得宝,李长云. 湖南工业大学学报. 2016(04)
[6]道路交通违法数据分析研判的思路与方法[J]. 王运霞,顾金刚,李娅. 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]. 杨成龙. 商. 2016(22)
[8]农用车交通事故致因、预测及防控研究[J]. 赵颖,王翀,齐健. 中国农机化学报. 2016(02)
[9]关联规则挖掘综述[J]. 崔妍,包志强. 计算机应用研究. 2016(02)
[10]基于关联规则的数据挖掘算法的分析及应用[J]. 方蓉. 电子测试. 2016(01)
博士论文
[1]关联规则挖掘在分类数据领域的扩展性研究[D]. 毛宇星.复旦大学 2010
[2]数据挖掘中关联分析算法研究[D]. 李强.哈尔滨工程大学 2010
硕士论文
[1]基于Weka大数据挖掘方法在地震前兆数据处理中的应用[D]. 王洪伟.太原理工大学 2017
[2]基于WEKA的交通流数据处理平台搭建及预测实现[D]. 刘哲.北京交通大学 2016
[3]基于浮动车轨迹的城市交通拥堵评估与预测[D]. 张本士.大连理工大学 2014
[4]道路交通违法行为的研究[D]. 赵梨利.西南交通大学 2014
[5]关联规则挖掘相关算法研究[D]. 毛艳慧.西南交通大学 2009
[6]道路交通违法问题现状分析与对策研究[D]. 贺超.国防科学技术大学 2007
本文编号：3121232
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3121232.html
