首页 开题报告-研究生

开题报告-研究生

举报
开通vip

开题报告-研究生 研究生 类别 ① 全日制博士研究生; √ 全日制硕士研究生; ③ 工程硕士; ④ MBA; ⑤ 高校教师在职攻读硕士学位; ⑥ 中职教师在职攻读硕士学位。 ⑦ 同等学力申请硕士学位     研究生学位论文开题报告申请表 学    号:      2111203087    研究生姓名:      慕伟      学科、专业: 控制理论与控制工程 学    院:      信息工程学院    指导教师:      陈国定  教授    浙江工业大学研究生院(筹)制 2014年...

开题报告-研究生
研究生 类别 ① 全日制博士研究生; √ 全日制硕士研究生; ③ 工程硕士; ④ MBA; ⑤ 高校教师在职攻读硕士学位; ⑥ 中职教师在职攻读硕士学位。 ⑦ 同等学力申请硕士学位     研究生学位 论文 政研论文下载论文大学下载论文大学下载关于长拳的论文浙大论文封面下载 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 报告 申请表 食品经营许可证新办申请表下载调动申请表下载出差申请表下载就业申请表下载数据下载申请表 学    号:      2111203087    研究生姓名:      慕伟      学科、专业: 控制理论与控制工程 学    院:      信息工程学院    指导教师:      陈国定  教授    浙江工业大学研究生院(筹)制 2014年3月23日 填 关于研究生学位论文开题报告的有关说明 1、开题报告主要内容包括: (1)论文选题的目的和意义; (2)国内外关于该课题的研究现状及趋势; (3)本人的研究计划,包括研究目标、内容、技术路线、拟突破的难点或攻克的难关、自己的创新或特色、实验方案或写作计划等; (4)主要参考文献目录。 开题报告的书面材料不得少于300 0字 个人自传范文3000字为中华之崛起而读书的故事100字新时代好少年事迹1500字绑架的故事5000字个人自传范文2000字 。 2、研究生在选题、系统查阅国内外有关文献及调研的基础上写出开题报告,并在所在学科、专业范围内报告及论证,由导师主持,并邀请有关学科、专业的专家三至五人组成开题报告评议组。评议组对开题报告进行评议表决,并由研究生导师在申请表上填写综合评语。 4、开题报告通过后,研究生方可进入论文工作阶段。如未通过者,在3个月内可补做开题报告,仍未通过者,则中止其学业,按退学处理。 5、开题报告通过后,原则上一般不再随意改题。如确有特殊原因需改题者,须由研究生写书面报告,经指导教师签署意见,学院负责人审批后,报研究生院备案,并补做开题报告。 开题报告评议组成员 姓 名 职 称 所 在 工 作 单 位 陈国定 教授 浙江工业大学 张贵军 教授 浙江工业大学 邵奇可 副教授 浙江工业大学                               开题报告评语及结果 表决票数 同意   不同意   评议结果 □优秀 □良好 □合格 □不合格 开题报告综合评语: 指导教师签名:_____________ 年 月 日                 拟定学位论文题目 基于数据挖掘技术道路交通流数据分析 开题报告具体内容:(可另附页) 1、选题目的和意义 随着社会经济的发展和城市化的进程,道路交通拥堵严重、交通事故率上升、交通效率不高导致的资源浪费成为世界各个城市发展面临的共同问题。安全、便捷、舒适和信息化的现代交通需求使智能交通系统(Intelligent Transportation System, ITS)的研究和应用取得了快速发展。 智能交通系统(ITS)是将先进的信息技术、数据通讯传输技术、电子传感技术、电子控制技术以及计算机处理技术等有效地集成运用于整个地面运输管理体系,而建立起的一种在大范围内、全方位发挥作用的,实时、准确、高效的综合运输和管理体系。智能交通系统涵盖了交通运输系统的各个方面,是由人、车、道路、设施、管理、环境等许多子系统组成的复杂的综合性系统,其本质是最大限度地实现信息的采集、处理、加工和共享,根据所获得的信息优化交通系统的控制策略,调整交通参与者的行为,实现整个交通系统的优化运行。 交通流分析是交通系统的重要研究内容,传统交通流模型是描述交通流状态变量(速度、密度和流量)随时间和空间变化、分布规律及交通控制变量之间关系的方程式或映射。 随着智能交通系统的发展,不断的产生一些新的应用和新的分析任务,如分析道路交通拥堵模型、发现道路交通状况之间的关联关系、预测未来一段时间的道路交通状况等。传统的交通流分析方法和交通流模型的建立,无法适应当前智能交通系统对交通流数据分析处理的要求。 数据挖掘技术作为一种在海量数据中发现模式及规则的方法,经过二十多年的发展,己取得了很多研究成果,在各个领域都有成功的应用。本文在分析智能交通系统的交通流数据特性和新的数据挖掘任务的基础上,提出了一种交通流数据挖掘模型。 2、交通流数据挖掘技术研究现状和趋势 2.1 交通流数据挖掘技术研究现状 数据挖掘的主要内容包括频繁模式挖掘、关联分析、聚类分析、分类分析、异常分析和演变分析等。数据挖掘作为目前最强有力的一种数据分析技术,在智能交通数据分析方面已经取得了良好的应用。但是,如何设计有效的挖掘算法仍然是当前智能交通数据挖掘研究的关键。 短时交通流预测是现代智能交通系统的核心内容,是实现先进的交通控制和交通诱导的基础。近几十年国内外的许多专家和学者都致力于该领域的研究,研究了很多预测模型。大体分为三类: 一是基于解析数学方法的模型,包括历史平均模型、自回归模型、滑动平均模型、自回归滑动平均模型及卡尔曼滤波模型; 二是基于经验的智能预测模型,包括非参数回归模型、神经网络模型、动态交通分配模型及基于混沌理论的模型等; 三是组合预测模型,单一的数学解析模型难以适应交通流所具有的短时随机性强的特点,基于经验的智能预测模型其复杂度高,在工程实现上有一定的困难,有研究者提出了组合预测算法。 2.2 微逆变技术的发展趋势 数据挖掘技术的研究为交通流数据的处理提供了新的分析手段,但是通用的数据挖掘算法不适应智能交通系统对交通流数据挖掘分析的具体应用需求,将己有的数据挖掘分析方法直接应用到道路交通流分析中不能得到很好的应用效果。如道路交通流除了具有时间特性外,还具有很强的空间相关性,各种交通流检测设备产生积累了海量的具有复杂的时空关系的时空信息数据集,这些数据对智能交通系统提出了一些新的数据挖掘需求,如对道路交通流的复杂时空查询、发现道路交通状况之间的关联关系、分析道路交通流的拥堵模型等。今后交通流数据分析得发展趋势有以下几个方面: (1)云计算平台。云计算(CloudComputing)是一种能够通过网络以便利的、按需的方式获取计算资源(网络、服务器、存储、应用和服务)的模式,这些资源来自一个共享的、可配置的资源池,并能够快速获取和释放。云计算系统的平台管理技术能够使大量的服务器协同工作,方便的进行业务部署和开通,快速发现和恢复系统故障,通过自动化、智能化的手段实现大规模系统的可靠运营。云计算平台可以很好地为交通数据挖掘提供服务,通过建设云计算数据中心可充分承载交通业务数据,实现交通数据共享交换,并满足交通业务支撑、决策支持需求,从根本上解决交通信息数据统一存储、共享和业务支撑的难题,形成交通信息决策支持体系。 (2)大数据挖掘。随着分布式计算框架MapReduce、实时分布式高维数数据库HBase、分布式文件系统HDFS等技术的飞速发展,基于这些技术的交通流大数据挖掘将成为今后的主流发展方向。 (3)云计算与大数据的结合。两者的结合将为交通流数据分析带来无可比拟的效果,基于云计算平台的大数据分析系统将打破以往传统的智能交通平台系统的低效率、数据分析误差较大、能耗高等缺点的局面。目前,已经有国外的Google、IBM、微软、yahoo都提出了自己的云计算以及大数据处理的平台,国内的百度、阿里巴巴、华为、腾讯等公司也都基于Yahoo公司开发的Hadoop平台进行自己云计算与大数据结合的平台构建。 3、课题研究计划 3.1 研究目标 本文针对道路交通流数据的特点以及智能交通系统的新的数据挖掘应用需求,对交通流空间聚类分析以及交通等若干问题进行了研究,设计了适合的数据挖掘模型和算法。利用所设计的模型和算法对交通流数据进行处理,对道路交通状态信息、交通拥堵信息、交通事故信息进行分析预测。 3.2 研究内容和技术路线 对应课题的研究目标,主要研究内容和技术路线如下: (1)交通信息数据平台架构的研究 本课题研究的交通信息平台由基础层数据源、数据传输、数据存储及处理层、数据挖掘分析层和应用服务层。数据源包括路网、监控、报警和外部数据等,数据的传输主要分为非实时和实时传输,数据的存储主要利用分布式数据库技术对历史数据进行存储,数据处理层批处理平台用来对历史数据进行处理、流计算平台对实时数据进行处理,数据分析为本课题研究的重点包括对海量历史数据挖掘出分类规则存入规则库和利用已知规则对实时数据进行预测分析,应用服务层则包括流量分析、交通拥堵预警、交通诱导、信号灯控制和信息发布等。 智能交通系统框架如图1所示。 图1 智能交通系统信息处理框架图 本课题研究的重点数据挖掘技术,该技术是一个多步骤、可能需多次反复的处理过程。主要包括以下步骤:准备、数据选择、数据预处理、确定数据挖掘的目标、确定知识发现算法、数据挖掘、模式解释、知识评价。其中最重要的一个步骤是数据挖掘,它是利用某些特定的知识发现算法,在可接受的运算效率的限制下,从有效数据中发现有关的知识。 (2)交通数据仓库与预处理的研究 交通信息数据库数据量庞大,科学地管理好这些数据是目前急待解决的问题。数据的价值依赖于它的可获取性和有用性,而这些又极大地依赖于数据存储时的组织方式。传统的交通系统业务数据库,仅将当前事务所产生的 记录 混凝土 养护记录下载土方回填监理旁站记录免费下载集备记录下载集备记录下载集备记录下载 保存下来,并对这些数据进行各类操作。随着数据量增大,查询越来越复杂,业务数据库逐渐出现了许多难以克服的问题,集中表现为:缺乏组织性;效率极为低下;数据难以转化为有用信息;只保存短期数据,分析时不能满足长期预测需要。交通数据仓库的引入将会很好的改变这一现状。数据仓库技术能够满足数据挖掘技术对数据环境的要求。实际上,数据仓库技术所要研究和解决的问题就是从OLTP系统、异构分散的外部数据源、脱机的历史业务数据中获取数据,处理后为数据分析和管理决策提供应用服务。交通流数据仓库的整理架构如图2所示: 图2 交通流数据仓库的整理架构 数据预处理包括数据质量控制、交通数据规约、特征数据选取,以及交通数据转换。 (2)交通状态信息数据挖掘分析的研究 本课题以杭州天目山路环形线圈检测器所采集的交通流数据为对象,对该道路的交通状态的分类和交通状态实时识别进行应用研究。该实际处理流程如图2所示。 图2 交通状态信息挖掘处理流程 对历史数据进行处理,采用聚类算法,以K-means算法为基点对数据进行处理分类,最后得到交通状态的分类。对实时数据进行模式的匹配然后预测出实时交通状态信息。 (3)交通拥堵信息数据挖掘分析的研究 本课题将在聚类分析的基础上采用决策树C4.5算法对交通数据进行挖掘分类得到交通拥堵信息,并与实际的道路交通拥堵信息对比,最后比较二者的差异得出结论。交通拥堵信息挖掘流程如下图3所示。 图3 交通拥堵信息挖掘流程 (4)基于关联规则的交通事故数据分析的研究 数据挖掘中的多维关联规则相对数理统计方法更适合于事故诱因分析,它不但可以有效的简化并处理事故记录数据,还可以推导出一些有用的规则表达式,以充分展示事故发生的各个客观因素对事故发生的影响程度,是当前数据分析的先进手段。本课题将探讨如何在交通事故数据分析中应用数据挖掘中的关联分析。 自从 Agrawal 等人于1993 年首先提出了挖掘顾客交易数据库中项集间的关联规则问题以来,很多研究人员对关联规则的挖掘问题进行了研究,从不同角度提出了数十种关联规则挖掘算法,主要有Apriori、AIS、SETM、PARTITION、ML_T2L1 等数据挖掘算法,而其中以Agrawal 等人提出的 Apriori 算法最为著名,本课题的交通数据挖掘算法就是在在 Apriori 算法基础之上,对其进行优化。 3.3 研究难点 围绕课题的研究内容和技术路线,本课题的研究难点如下: 道路交通流除了具有时间特性外,还具有很强的空间相关性,各种交通流检测设备产生积累了海量的具有复杂的时空关系的时空信息数据集。海量的交通信息数据挖掘难点: (1)传统的SQL查询可能无法满足需求,需要选取合适的查询方法对数据进行获取。 (2)海量交通数据的预处理; (3)根据预测结果预实际的偏差对算法进行优化; 3.4 创新点 本课题根据到交通流的数据的特点设计交通状态数据挖掘的模型,选取合适的算法进行数据挖掘,根据交通流数据的特点适当的对已有的算法进行优化。 3.5 研究计划 (1)2013.3-2013.4, 进一步学习课题相关理论知识,完成系统设计所需的准备工作。 (2)2013.4-2013.5, 解决海量交通信息数据的查询问题。 (3)2013.5 -2013.6, 对所查询获得的数据进行预处理。 (4)2013.7-2013.12, 研究相关数据挖掘算法,编写程序,对已经预处理好的数据按照设计的模型挖掘分类及关联规则,完成交通数据的分析。 (5)2014.1-2014.3, 完成课题总结,根据具体研究情况进行论文写作。 4、参考文献    
本文档为【开题报告-研究生】,请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑, 图片更改请在作品中右键图片并更换,文字修改请直接点击文字进行修改,也可以新增和删除文档中的内容。
该文档来自用户分享,如有侵权行为请发邮件ishare@vip.sina.com联系网站客服,我们会及时删除。
[版权声明] 本站所有资料为用户分享产生,若发现您的权利被侵害,请联系客服邮件isharekefu@iask.cn,我们尽快处理。
本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用。
网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
下载需要: 免费 已有0 人下载
最新资料
资料动态
专题动态
is_633423
暂无简介~
格式:doc
大小:50KB
软件:Word
页数:0
分类:工学
上传时间:2020-03-09
浏览量:4