商品簡介
作者簡介
名人/編輯推薦
目次
相關商品
商品簡介
李桃迎編著的《交通領域中的聚類分析方法研究》系統而詳細地闡述了聚類分析的多種相關方法、技術及具體應用，主要內容包括緒論、復雜多源異構數據整合方法研究、數據預處理技術、常用聚類分析方法、面向混合特征的權熵模糊C—均值優化方法研究、面向混合屬性數據的聚類融合方法研究、基于聚類融合的混合屬性數據增量聚類方法研究、聚類分析方法在交通領域中的應用。
《交通領域中的聚類分析方法研究》可作為管理科學與工程、信息科學與技術、計算機應用、應用數學等相關專業高年級本科生和研究生的教材或參考資料，也可幫助相關領域研究人員提升聚類分析的技巧。
《交通領域中的聚類分析方法研究》可作為管理科學與工程、信息科學與技術、計算機應用、應用數學等相關專業高年級本科生和研究生的教材或參考資料，也可幫助相關領域研究人員提升聚類分析的技巧。
作者簡介
李桃迎，女，博士，大連海事大學交通運輸管理學院副教授，曾作為第二主編撰寫《管理信息系統開發教程》、《數據挖掘與聚類分析》。主持遼寧省教育廳一般項目1項，企業委托項目1項；參與國家級、省（部、市）級項目多項；博士論文“交通領域中的聚類分析方法研究”獲得2012年遼寧省優秀博士學位論文；獲得省部級科技進步獎勵5項，發表相關學術論文40余篇。
名人/編輯推薦
鑒于交通領域各系統的建設時期、開發部門、使用設備、技術發展階段以及能力水平都存在差異，導致“信息孤島”現象的出現，降低了工作的效率，妨礙了管理決策。筆者李桃迎在聚類分析方面潛心研究多年，尤其是近年來，通過參加國家自然科學基金委員會、科學技術部和交通運輸部及多個省（市）主辦的多項科研課題，深入研究了數據挖掘特別是聚類分析的理論、技術與方法，獲得多項科研成果。特別是面向交通運輸、物流管理等特色領域，開展基于聚類分析的創新性研究，在提高管理效率和挖掘效率方面取得了良好的社會效益與經濟效益。
聚類分析因其應用非常廣泛而成為數據挖掘研究的重要子領域，可為探索未知的數據結構提供幫助，并可作為一系列數據分析的起點，因此聚類分析成為本書的重要內容。《交通領域中的聚類分析方法研究》采用逐步演算和流程運行相結合的方式，力爭使廣大讀者通過本書的學習快速掌握聚類分析的理論、技術與方法。
聚類分析因其應用非常廣泛而成為數據挖掘研究的重要子領域，可為探索未知的數據結構提供幫助，并可作為一系列數據分析的起點，因此聚類分析成為本書的重要內容。《交通領域中的聚類分析方法研究》采用逐步演算和流程運行相結合的方式，力爭使廣大讀者通過本書的學習快速掌握聚類分析的理論、技術與方法。
目次
第1章緒論
1.1本書的撰寫目的及意義
1.2國內外研究現狀
1.3聚類分析的研究熱點問題
1.4聚類算法新的研究方向
1.5聚類分析的應用領域
1.6本書的主要內容
第2章復雜多源異構數據整合方法研究
2.1多源異構數據整合方法
2.2復雜多源異構數據整合的關鍵技術
2.3基于XML技術的航務海事異構數據整合框架
2.4本章小結
第3章數據預處理技術
3.1數據預處理
3.2數據清理
3.3數據集成和融合
3.4數據變換
3.5數據歸約
3.6本章小結
第4章常用聚類分析方法
4.1K—MEANS算法
4.2K—MEDOIDS算法
4.3CLIQUE算法
4.4BP神經網絡算法
4.5灰色聚類
4.6基于模糊等價關系的聚類
4.7基于關鍵詞搜索的網頁聚類
4.8本章小結
第5章面向混合特征的權熵模糊C—均值優化方法研究
5.1模糊聚類算法
5.2面向數值屬性數據的FCM算法改進算法
5.3面向混合屬性數據的權熵FCM算法優化算法
5.4基于WEFCM（）算法的模糊關聯規則方法研究
5.5實例分析
5.6面向海事船舶等級劃分的權熵模糊C—均值聚類流程結構圖
5.7本章小結
第6章面向混合屬性數據的聚類融合方法研究
6.1聚類融合模型體系
6.2聚類融合方法研究
6.3實例分析
6.4面向交通事故成因分析的聚類融合框架體系
6.5本章小結
第7章基于聚類融合的混合屬性數據增量聚類方法研究
7.1增量聚類方法概述
7.2基于聚類融合的增量聚類方法
7.3實例分析
7.4幾種算法的對比分析
7.5面向海事船舶等級劃分的增量聚類流程圖
7.6本章小結
第8章聚類分析方法在交通領域中的應用
8.1聚類分析在交通領域的應用研究
8.2面向交通領域海事行業的數據整合方法應用研究
8.3基于模糊聚類的船舶等級劃分
8.4基于關聯規則的高速公路事故成因應用研究
8.5混合屬性FCM算法改進算法在物流商選擇中的應用
8.6基于模糊關聯規則的交通事故成因分析應用研究
8.7基于聚類融合的交通事故分析應用研究
8.8面向海事船舶劃分的增量聚類方法應用研究
8.9本章小結
第9章總結與展望
9.1研究總結
9.2展望
參考文獻
附錄A
附錄B
1.1本書的撰寫目的及意義
1.2國內外研究現狀
1.3聚類分析的研究熱點問題
1.4聚類算法新的研究方向
1.5聚類分析的應用領域
1.6本書的主要內容
第2章復雜多源異構數據整合方法研究
2.1多源異構數據整合方法
2.2復雜多源異構數據整合的關鍵技術
2.3基于XML技術的航務海事異構數據整合框架
2.4本章小結
第3章數據預處理技術
3.1數據預處理
3.2數據清理
3.3數據集成和融合
3.4數據變換
3.5數據歸約
3.6本章小結
第4章常用聚類分析方法
4.1K—MEANS算法
4.2K—MEDOIDS算法
4.3CLIQUE算法
4.4BP神經網絡算法
4.5灰色聚類
4.6基于模糊等價關系的聚類
4.7基于關鍵詞搜索的網頁聚類
4.8本章小結
第5章面向混合特征的權熵模糊C—均值優化方法研究
5.1模糊聚類算法
5.2面向數值屬性數據的FCM算法改進算法
5.3面向混合屬性數據的權熵FCM算法優化算法
5.4基于WEFCM（）算法的模糊關聯規則方法研究
5.5實例分析
5.6面向海事船舶等級劃分的權熵模糊C—均值聚類流程結構圖
5.7本章小結
第6章面向混合屬性數據的聚類融合方法研究
6.1聚類融合模型體系
6.2聚類融合方法研究
6.3實例分析
6.4面向交通事故成因分析的聚類融合框架體系
6.5本章小結
第7章基于聚類融合的混合屬性數據增量聚類方法研究
7.1增量聚類方法概述
7.2基于聚類融合的增量聚類方法
7.3實例分析
7.4幾種算法的對比分析
7.5面向海事船舶等級劃分的增量聚類流程圖
7.6本章小結
第8章聚類分析方法在交通領域中的應用
8.1聚類分析在交通領域的應用研究
8.2面向交通領域海事行業的數據整合方法應用研究
8.3基于模糊聚類的船舶等級劃分
8.4基于關聯規則的高速公路事故成因應用研究
8.5混合屬性FCM算法改進算法在物流商選擇中的應用
8.6基于模糊關聯規則的交通事故成因分析應用研究
8.7基于聚類融合的交通事故分析應用研究
8.8面向海事船舶劃分的增量聚類方法應用研究
8.9本章小結
第9章總結與展望
9.1研究總結
9.2展望
參考文獻
附錄A
附錄B
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。
優惠價：87
324
海外經銷商無庫存，到貨日平均30天至45天