日韩一级黄片干出白浆视频_亚洲2020香蕉在线观看_激情五月天AV电影_Av在线无码网址

大數(shù)據(jù)及其在交通運輸中的應(yīng)用

大數(shù)據(jù)及其在交通運輸中的應(yīng)用

  • 作者
  • 李敏、王武宏、潘福全 著

本書主要對大數(shù)據(jù)的理論基礎(chǔ)進行了介紹,并對大數(shù)據(jù)框架包含的內(nèi)容進行了詳細講解。具體內(nèi)容包括:對Python基礎(chǔ)知識的介紹,主要是在大數(shù)據(jù)的交通流預(yù)測中所能用到的Python基礎(chǔ)知識;對大數(shù)據(jù)所包括的內(nèi)容及基礎(chǔ)理論知識的講解;數(shù)據(jù)挖掘的研究與分析,對交通流大數(shù)據(jù)的基礎(chǔ)數(shù)據(jù)的處理與分析;基于Python的機器學(xué)習模型的基礎(chǔ)理論知識的介紹、交通流和駕駛行為及意圖分析;基于P...


  • ¥88.00

ISBN: 978-7-122-39983-0

版次: 1

出版時間: 2022-04-01

圖書信息

ISBN:978-7-122-39983-0

語種:漢文

開本:16

出版時間:2022-04-01

裝幀:平

頁數(shù):158

內(nèi)容簡介

本書主要對大數(shù)據(jù)的理論基礎(chǔ)進行了介紹,并對大數(shù)據(jù)框架包含的內(nèi)容進行了詳細講解。具體內(nèi)容包括:對Python基礎(chǔ)知識的介紹,主要是在大數(shù)據(jù)的交通流預(yù)測中所能用到的Python基礎(chǔ)知識;對大數(shù)據(jù)所包括的內(nèi)容及基礎(chǔ)理論知識的講解;數(shù)據(jù)挖掘的研究與分析,對交通流大數(shù)據(jù)的基礎(chǔ)數(shù)據(jù)的處理與分析;基于Python的機器學(xué)習模型的基礎(chǔ)理論知識的介紹、交通流和駕駛行為及意圖分析;基于Python的深度學(xué)習的理論講解與分析,并運用深度學(xué)習模型對交通流進行預(yù)測等。
本書可供交通運輸、交通工程、車輛工程、計算機等領(lǐng)域的技術(shù)人員、編程人員閱讀,也可供相關(guān)專業(yè)的師生學(xué)習參考。

編輯推薦

●大數(shù)據(jù)技術(shù)基礎(chǔ)理論知識:大數(shù)據(jù)的特征、分類、框架結(jié)構(gòu)等。 ●Python編程基礎(chǔ)知識:各種模塊的講解,并配以實操案例。 ●機器學(xué)習模式識別:機器學(xué)習的類型、機器學(xué)習的基礎(chǔ)數(shù)學(xué)知識、樹和隨機森林算法、KNN算法、貝葉斯理論、支持向量機等模型和原理以及具體的Python代碼實現(xiàn)。 ●深度學(xué)習基礎(chǔ)知識及應(yīng)用:深度學(xué)習的微積分基礎(chǔ)、線性代數(shù)基礎(chǔ)、案例詳解、深度學(xué)習框架以及硬件基礎(chǔ)、深度學(xué)習的駕駛意圖應(yīng)用等。 ●深度學(xué)習的交通流預(yù)測研究:交通流理論基礎(chǔ)、交通流統(tǒng)計分布特性的基本理論知識、交通流數(shù)據(jù)預(yù)處理、深度學(xué)習的交通流預(yù)測等。

圖書前言

近年來,隨著大數(shù)據(jù)的引入和人工智能的發(fā)展,交通領(lǐng)域在大數(shù)據(jù)和人工智能的影響下不斷發(fā)展,追求更快、更準確、更智能化的研究越來越迫切。駕駛行為及意圖的識別、交通流的預(yù)測、交通規(guī)劃等交通領(lǐng)域的更新內(nèi)容都需要大數(shù)據(jù)和人工智能的支撐。本書介紹了大數(shù)據(jù)的框架和基本內(nèi)容、特點及原理等,從數(shù)據(jù)的獲取到深度學(xué)習,講解的內(nèi)容由淺入深,并通過Python編程實現(xiàn)數(shù)據(jù)獲取和算法原理說明,使讀者容易理解和掌握。
本書的具體研究內(nèi)容如下。
① 大數(shù)據(jù)概述:大數(shù)據(jù)的基本理論知識,大數(shù)據(jù)的特征、分類、框架結(jié)構(gòu)等。
② Python基礎(chǔ)知識:各種模塊的講解,并配以案例實現(xiàn)。
③ 機器學(xué)習模式識別:機器學(xué)習的類型,機器學(xué)習的基礎(chǔ)數(shù)學(xué)知識,樹和隨機森林算法,KNN 算法,貝葉斯理論,支持向量機等模型和原理,以及具體的Python代碼實現(xiàn)。
④ 深度學(xué)習基礎(chǔ)及應(yīng)用:深度學(xué)習的微積分基礎(chǔ)、線性代數(shù)基礎(chǔ)、案例詳解、深度學(xué)習框架以及硬件基礎(chǔ)、深度學(xué)習的駕駛意圖應(yīng)用等。
⑤ 深度學(xué)習的交通流預(yù)測研究:交通流理論基礎(chǔ)、交通流統(tǒng)計分布特性的基本理論知識、交通流數(shù)據(jù)預(yù)處理等。
本書的出版得到了山東省自然科學(xué)基金面上項目(ZR2019MEE072)、教育部高等教育司“人因與工效學(xué)”產(chǎn)學(xué)合作協(xié)同育人項目(202101042014)、教育部人文社會科學(xué)研究規(guī)劃基金(18YJAZH067)、山東省自然科學(xué)基金面上項目(ZR2020MG021)、山東省泰山學(xué)者專項(ts201712054)、國家自然科學(xué)基金面上項目(5217052865)、工業(yè)流體節(jié)能與污染控制教育部重點實驗室項目(背景噪聲下小波包處理技術(shù)的深度學(xué)習聲紋識別研究)等資助。在此一并表示感謝。
最后,還要衷心感謝本書引用的參考資料的所有作者。由于筆者水平有限,書中難免有疏漏和不足之處,懇請讀者批評指正。

著者

目錄

第1 章 緒論001
1.1 大數(shù)據(jù)概述002
1.2 Python 概述003
1.3 交通運輸大數(shù)據(jù)概述004

第2 章 Python 基礎(chǔ)知識007
2.1 變量和簡單數(shù)據(jù)類型008
2.2 Python 語法基礎(chǔ)010
2.3 數(shù)據(jù)可視化020
2.4 數(shù)據(jù)的統(tǒng)計學(xué)特征025
2.5 代數(shù)和符號運算問題028
2.6 基本數(shù)學(xué)運算030
2.7 不同類型的數(shù)字031
2.8 Pandas 和NumPy 模塊032

第3 章 大數(shù)據(jù)基礎(chǔ)043
3.1 大數(shù)據(jù)044
3.2 Hadoop 大數(shù)據(jù)平臺046
3.3 大數(shù)據(jù)與人工智能050
3.4 探索性數(shù)據(jù)分析051
3.5 相關(guān)分析和回歸分析054
3.6 降維數(shù)據(jù)分析056

第4 章 機器學(xué)習模式識別065
4.1 人工智能、機器學(xué)習和深度學(xué)習關(guān)系066
4.2 機器學(xué)習基礎(chǔ)068
4.3 機器學(xué)習中的參數(shù)及擬合問題071
4.4 矩陣基本知識072
4.5 樹和隨機森林算法076
4.6 KNN 算法078
4.7 貝葉斯理論078
4.8 支持向量機080
4.9 神經(jīng)網(wǎng)絡(luò)085

第5 章 深度學(xué)習基礎(chǔ)及應(yīng)用101
5.1 深度學(xué)習中的微積分基礎(chǔ)102
5.2 深度學(xué)習的線性代數(shù)基礎(chǔ)106
5.3 基于Python 的神經(jīng)網(wǎng)絡(luò)案例算法詳解107
5.4 深度學(xué)習框架113
5.5 深度學(xué)習的硬件基礎(chǔ)117
5.6 卷積神經(jīng)網(wǎng)絡(luò)算法詳解118
5.7 循環(huán)神經(jīng)網(wǎng)絡(luò)和長短期記憶網(wǎng)絡(luò)125
5.8 基于LSTM 的駕駛意圖識別130

第6 章 深度學(xué)習的交通流預(yù)測研究139
6.1 交通流理論基礎(chǔ)140
6.2 交通流的統(tǒng)計分布特性142
6.3 交通流數(shù)據(jù)預(yù)處理144
6.4 交通信息獲取技術(shù)146
6.5 宏觀交通流模型及微觀交通流模型147
6.6 基于深度學(xué)習的交通流預(yù)測149

參考文獻155

發(fā)送電子郵件聯(lián)系我們