基于偏好信息的道路交通事故数据分析.docxVIP

基于偏好信息的道路交通事故数据分析 近年来，随着速度的加快和交通量的增加，道路事故（尤其是严重事故）年增长期。目前，我国道路交通事故的分析、评价基本处于人工处理阶段，人工处理是导致大数据道路事故分析决策效率低下、准确性差的主要原因。因此，有必要科学地研究和有效改善道路交通事故的分析、评价。 本文结合关联规则与粗糙集的思想, 引用了“偏好信息”的概念, 提出一种基于偏好信息的决策规则约简算法, 并将该算法应用到道路交通事故数据分析中, 找出道路条件、 环境与事故原因、 事故形态之间的联系. 1 关联规则qp 数据挖掘方法的3个主要来源是机器学习、 数据库技术和统计学. 从数据挖掘目标上看, 涉及分类、 聚合、 特征、 回归分析等; 从实现技术的途径上看, 包括人工神经网络、 决策树、 粗糙集、 关联规则、 遗传算法等. 本文所用的算法主要以关联规则和粗糙集为主. 关联规则反映一个事物与其他事物之间的相互依赖性或相互关联性. 如果两个或多个事物之间存在关联, 那么, 其中一个事物就能从其他已知事物中预测得到. 所谓关联规则是指数据集中支持度和信任度分别满足给定阈值的规则. 将其形式化定义如下: 设I={i1,i2, …,im}是文字的集合, 称为项;D是事务集合, 每个事务T是项的集合, 这里T?I. 相应地, 将每个事务的惟一标识称为TID.I中某些项的集合X, 若X?T, 则称T