[1]李晓峰,杨春山,丁树春[].基于信息熵的城市隧道实时交通事件检测聚类[J].计算机技术与发展,2013,(10):212-215.
　LI Xiao-feng[],YANG Chun-shan[],DING Shu-chun[].Entropy-based City Tunnel Real-time Traffic Incident Detection Clustering[J].,2013,(10):212-215.
点击复制

基于信息熵的城市隧道实时交通事件检测聚类()
分享到：

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2013年10期
页码:
212-215
栏目:
应用开发研究
出版日期:
1900-01-01

文章信息/Info

Title:
Entropy-based City Tunnel Real-time Traffic Incident Detection Clustering
文章编号:
1673-629X（2013）10-0212-04
作者:
李晓峰1; 杨春山2; 丁树春[3]
[1]东北农业大学成栋学院 计算机科学与技术系;[2]北京理工大学 计算机科学与技术学院;[3]黑龙江大学 电子工程学院
Author(s):
LI Xiao-feng[1]; YANG Chun-shan[2]; DING Shu-chun[3]
关键词:
信息熵; 城市隧道实时; 空间数据挖掘; 聚类
Keywords:
information entropy; city tunnel real-time; spatial data mining; clustering
文献标志码:
A
摘要:
空间聚类是空间数据挖掘中的一种重要手段,采用空间聚类技术进行有用信息的获取具有重要的现实意义。针对城市隧道实时路况的特点,在常见的城市隧道实时交通事件检测数据挖掘-关联规则算法的情况下,把与城市隧道相关的对象看作实时路况的属性,计算城市隧道间的信息熵,根据信息熵的变化实现城市隧道实时路况的聚类,提出了基于信息熵的城市隧道实时交通事件检测聚类算法( Entropy-based City Tunnel Real-time,ECRT)。实验表明,通过其在实际数据集上进行的测试,算法ECRT高效地解决了拓扑关系的复杂空间数据集中对象的聚类问题
Abstract:
Spatial clustering is an important tool in spatial data mining,spatial clustering technology accessing useful information has im-portant practical significance. In view of city tunnel real-time traffic characteristics in common urban tunnel real-time traffic incident de-tection data mining - the case of the association rules algorithm,the city tunnel object as properties of the real-time traffic,calculate the entropy of information between the city tunnel,achieve real-time city tunnel traffic clustering based on entropy changes,the ECRT (en-tropy-based city tunnel real-time) algorithm is proposed. The experiments show algorithm ECRT used in the actual data set test can ef-fectively resolve the problem of object clustering in complex spatial data set of topology relation

相似文献/References:

[1]陈锦禾 沈洁.基于信息熵的主动学习半监督分类研究[J].计算机技术与发展,2010,(02):110.
　CHEN Jin-he,SHEN Jie.Active Learning Based on Information Entropy for Semi- supervised Classification[J].,2010,(10):110.
[2]刘星毅.一种新的决策树分裂属性选择方法[J].计算机技术与发展,2008,(05):70.
　LIU Xing-yi.A New Splitting Criterion of Decision Trees[J].,2008,(10):70.
[3]纪滨.信息熵在粗糙集中衍生的几个概念[J].计算机技术与发展,2008,(06):73.
　JI Bin.Several Concepts from Information Entropy in Rough Sets[J].,2008,(10):73.
[4]孙岳岳 刘希玉.一种变增长率的多种群竞争协同进化[J].计算机技术与发展,2011,(05):64.
　SUN Yue-yue,LIU Xi-yu.Population Density of Coevolution Based on Changes[J].,2011,(10):64.
[5]包小兵 翟素兰 程兰兰.基于信息熵加权的局部离群点检测算法[J].计算机技术与发展,2012,(09):59.
　BAO Xiao-bing,ZHAI Su-lan,CHENG Lan-lan.SLOM Outlier Mining Algorithm Based on Entropy Weighted[J].,2012,(10):59.
[6]卢传耀,徐敏. 基于加权的冗余相似本体实例发现的研究[J].计算机技术与发展,2014,24(09):11.
　LU Chuan-yao,XU Min. Research on Ontology Instances Found Redundancy Based on Entropy Weighted[J].,2014,24(10):11.
[7]王小林,陆骆勇,邰伟鹏. 基于信息熵的新的词语相似度算法研究[J].计算机技术与发展,2015,25(09):119.
　WANG Xiao-lin,LU Luo-yong,TAI Wei-peng. Research of a New Algorithm of Words Similarity Based on Information Entropy[J].,2015,25(10):119.
[8]侯立铎,叶洁. C4.5算法在工程质量决策支持系统中的应用研究[J].计算机技术与发展,2016,26(02):132.
　HOU Li-duo,YE Jie. Applied Research of C4 . 5 Algorithm in Engineering Quality Decision Support System[J].,2016,26(10):132.
[9]朱佳佳,陈佳. 于熵和SVM多分类器的异常流量检测方法[J].计算机技术与发展,2016,26(03):31.
　ZHU Jia-jia,CHEN Jia. An Anomaly Detection Method Based on Entropy and SVM Multi-class Classifier[J].,2016,26(10):31.
[10]张素智,杨 芮,陈小妮.基于独立区域划分和压缩感知的数据融合方法[J].计算机技术与发展,2019,29(08):63.[doi:10. 3969 / j. issn. 1673-629X. 2019. 08. 012]
　ZHANG Su-zhi,YANG Rui,CHEN Xiao-ni.Data Fusion Method Based on Independent Region Division and Compressed Sensing[J].,2019,29(10):63.[doi:10. 3969 / j. issn. 1673-629X. 2019. 08. 012]

更新日期/Last Update: 1900-01-01