|
|
|
|
基于数据智能的异常模式识别关键技术研究 |
| |
| 论文目录 |
| |
| 摘要 | 第4-5页 | | abstract | 第5-6页 | | 第1章 绪论 | 第11-17页 | | 1.1 研究目的及意义 | 第11-12页 | | 1.2 国内外研究现状及发展趋势 | 第12-15页 | | 1.3 研究目标及内容 | 第15页 | | 1.4 论文组织结构 | 第15-17页 | | 第2章 现有学习模型研究 | 第17-26页 | | 2.1 K-means聚类方法 | 第17-20页 | | 2.1.1 K-means聚类方法基本算法原理 | 第17-18页 | | 2.1.2 K-means聚类方法初始质心选择 | 第18-19页 | | 2.1.3 K-means聚类方法优缺点分析 | 第19-20页 | | 2.2 层次聚类方法 | 第20-22页 | | 2.2.1 层次聚类方法原理 | 第20-21页 | | 2.2.2 K-means聚类方法与层次聚类方法的对比 | 第21-22页 | | 2.3 线性回归分类方法 | 第22-24页 | | 2.3.1 线性回归方法原理 | 第22-24页 | | 2.3.2 线性回归方法优缺点 | 第24页 | | 2.4 本章小结 | 第24-26页 | | 第3章 基于数据回馈的自适应性聚类分析模型 | 第26-38页 | | 3.1 研究内容及目标 | 第26页 | | 3.2 方法架构 | 第26-27页 | | 3.3 基于道路数据特征的聚类流程 | 第27-32页 | | 3.2.1 交通学习问题的参数选取分析 | 第27-29页 | | 3.2.2 基于K-means聚类方法的质心选择分析 | 第29-32页 | | 3.4 基于真实数据对质心作出偏移优化 | 第32-34页 | | 3.5 针对不同地区的模型镜像化处理 | 第34-35页 | | 3.6 实验分析 | 第35-36页 | | 3.7 本章小结 | 第36-38页 | | 第4章 基于参数去共线性优化的线性回归模型 | 第38-54页 | | 4.1 研究内容及目标 | 第38-39页 | | 4.2 线性回归构建流程 | 第39-42页 | | 4.2.1 线性回归模型的函数构建 | 第39页 | | 4.2.2 线性回归模型的最小二乘法分析 | 第39-40页 | | 4.2.3 线性回归模型的梯度下降法求解分析 | 第40-42页 | | 4.3 线性回归模型去参数共线性优化 | 第42-48页 | | 4.3.1 最小二乘法参数优化的原因 | 第42-43页 | | 4.3.2 线性回归模型参数优化方法 | 第43-44页 | | 4.3.3 逐步回归分析法原理及流程 | 第44-46页 | | 4.3.4 逐步回归分析法对交通研究的适用性分析 | 第46页 | | 4.3.5 主成分分析筛选法的原理及流程 | 第46-47页 | | 4.3.6 主成分分析筛选法对交通研究的适用性分析 | 第47-48页 | | 4.4 线性回归模型梯度下降求解优化 | 第48-49页 | | 4.4.1 梯度下降法优化的原因 | 第48页 | | 4.4.2 梯度下降法优化的思路 | 第48-49页 | | 4.4.3 梯度下降法与最小二乘法的对比 | 第49页 | | 4.5 实验分析 | 第49-53页 | | 4.5.1 模拟数据引入 | 第49-51页 | | 4.5.2 显著性验证 | 第51-52页 | | 4.5.3 梯度下降优化 | 第52-53页 | | 4.6 本章小结 | 第53-54页 | | 第5章 总结与展望 | 第54-56页 | | 5.1 研究成果和主要结论 | 第54页 | | 5.2 进一步的研究与展望 | 第54-56页 | | 参考文献 | 第56-58页 | | 致谢 | 第58页 |
|
|
|
|
论文编号BS3169185，这篇论文共58页
会员购买按0.35元/页下载，共需支付20.3元。 直接购买按0.5元/页下载，共需要支付29元 。 |
 |
 |
我还不是会员，注册会员！
会员下载更优惠!充值送钱！ |
我只需要这篇，无需注册！
直接网上支付，方便快捷！ |
|
|
|
版权申明：本目录由www.jylw.com网站制作，本站并未收录原文，如果您是作者，需要删除本篇论文目录请通过QQ或其它联系方式告知我们，我们承诺24小时内删除。 |
|
|
广告服务