智能运输信息处理技术
全新正版 假一赔十 可开发票
￥ 33.38 7.4折 ￥ 45 全新
仅1件
北京东城
认证卖家担保交易快速发货售后保障
作者王艳辉，贾利民，李曼 编
出版社北京交通大学出版社
ISBN9787512140929
出版时间2020-06
装帧平装
开本16开
定价45元
货号1202044551
上书时间2024-11-02
商品详情
- 品相描述：全新
- 商品描述
-
商品简介
《智能运输信息处理技术》涵盖了智能运输信息处理的全过程，包括信息的获取、预处理、集成、挖掘及表达，并用道路交通违法事故信息处理案例、动车组牵引系统故障信息处理案例两个案例说明和演示了智能运输信息处理的过程和方法。在编写过程中结合了算法原理与实际应用经验，全面而又不失重点地展现了现代智能信息处理技术应用，较为全面地表述了智能运输信息处理知识体系。
《智能运输信息处理技术》内容丰富，取材新颖，是一本针对智能运输工程及相关专业的信息处理教材，是为了适应将交通运输类学生培养成“宽口径、高素质”专业人才的目标而编写的。
目录
第1章 绪论
1．1 智能运输系统概述
1．1．1 智能运输系统基本概念
1．1．2 典型的智能运输信息系统
1．1．3 存在的问题
1．2 智能运输信息处理
1．2．1 数据与信息
1．2．2 智能运输信息处理技术与模式
1．2．3 智能时代的信息——大数据的重要性与必要性
小结
习题1
第2章 数据预处理方法
2．1 概述
2．2 数据预处理的方法
2．2．1 数据描述
2．2．2 数据清洗
2．2．3 数据变换
2．2．4 数据离散化
2．2．5 数据集成
2．2．6 数据归约
小结
习题2
第3章 智能运输信息分类技术
3．1 决策树分类器
3．1．1 决策树的基本原理与特点
3．1．2 决策树分类基本步骤
3．1．3 ID3算法
3．1．4 C4．5 算法
3．1．5 决策树分类器在智能运输信息处理中的MATLAB应用实例
3．2 SVM分类器
3．2．1 线性核近似线性可分SVM
3．2．2 非线性SVM
3．2．3 SVM分类器在智能运输信息处理中的MATLAB应用实例
3．3 人工神经网络分类器
3．3．1 人工神经网络的基本构成和原理
3．3．2 BP神经网络分类器
3．3．3 径向基函数神经网络（RBF）
3．3．4 神经网络分类器在智能运输信息处理中的MATLAB应用实例
小结
习题3
第4章 智能运输信息预测技术
4．1 概述
4．2 时间序列预测法
4．2．1 基本步骤
4．2．2 基本特征
4．2．3 时间序列预测模型
4．2．4 模型检验
4．2．5 时间序列预测在智能运输信息处理中的MATLAB应用实例
4．3 回归分析预测法
4．3．1 基本步骤和应注意的问题
4．3．2 线性回归分析预测模型
4．3．3 非线性回归分析预测模型
4．3．4 回归分析预测在智能运输信息处理中的MATJAB应用实例
4．4 灰色预测法
4．4．1 灰色预测模型的特点及分类
4．4．2 灰色预测模型
4．4．3 灰色预测在智能运输信息处理中的MATLAB应用实例
小结
习题4
第5章 智能运输信息聚类技术
5．1 概述
5．2 k-means聚类算法
5．2．1 k-means聚类算法原理
5．2．2 k-means聚类算法步骤
5．2．3 k-means在智能运输信息处理中的MATLAB应用实例
5．3 层次聚类算法
5．3．1 层次聚类算法原理
5．3．2 层次聚类算法步骤
5．3．3 层次聚类在智能运输信息处理中的MATLAB应用实例
5．4 SOM聚类算法
5．4．1 SOM聚类算法原理
5．4．2 SOM聚类算法步骤
5．4．3 SOM聚类在智能运输信息处理中的MATLAB应用实例
小结
习题5
……
第6章 智能运输信息关联分析技术
第7章 信息可视化技术
第8章 道路交通违法事故信息处理案例
第9章 动车组牵引系统故障信息处理案例
第10章 智能运输信息处理技术前沿热点
参考文献
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价