大數據及其在交通運輸中的套用

內容簡介

本書主要對大數據的理論基礎進行了介紹，並對大數據框架包含的內容進行了詳細講解。具體內容包括：對Python基礎知識的介紹，主要是在大數據的交通流預測中所能用到的Python基礎知識；對大數據所包括的內容及基礎理論知識的講解；數據挖掘的研究與分析，對交通流大數據的基礎數據的處理與分析；基於Python的機器學習模型的基礎理論知識的介紹、交通流和駕駛行為及意圖分析；基於Python的深度學習的理論講解與分析，並運用深度學習模型對交通流進行預測等。本書可供交通運輸、交通工程、車輛工程、計算機等領域的技術人員、編程人員閱讀，也可供相關專業的師生學習參考。

圖書目錄

第1 章　緒論001

1.1　大數據概述002

1.2　Python 概述003

1.3　交通運輸大數據概述004

第2 章　Python 基礎知識007

2.1　變數和簡單數據類型008

2.2　Python 語法基礎010

2.3　數據可視化020

2.4　數據的統計學特徵025

2.5　代數和符號運算問題028

2.6　基本數學運算030

2.7　不同類型的數字031

2.8　Pandas 和NumPy 模組032

第3 章　大數據基礎043

3.1　大數據044

3.2　Hadoop 大數據平台046

3.3　大數據與人工智慧050

3.4　探索性數據分析051

3.5　相關分析和回歸分析054

3.6　降維數據分析056

第4 章　機器學習模式識別065

4.1　人工智慧、機器學習和深度學習關係066

4.2　機器學習基礎068

4.3　機器學習中的參數及擬合問題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　神經網路085

第5 章　深度學習基礎及套用101

5.1　深度學習中的微積分基礎102

5.2　深度學習的線性代數基礎106

5.3　基於Python 的神經網路案例算法詳解107

5.4　深度學習框架113

5.5　深度學習的硬體基礎117

5.6　卷積神經網路算法詳解118

5.7　循環神經網路和長短期記憶網路125

5.8　基於LSTM 的駕駛意圖識別130

第6 章　深度學習的交通流預測研究139

6.1　交通流理論基礎140

6.2　交通流的統計分布特性142

6.3　交通流數據預處理144

6.4　交通信息獲取技術146

6.5　巨觀交通流模型及微觀交通流模型147

大數據及其在交通運輸中的套用

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條