中图网

>

汽车与交通运输

>

综合运输

大数据及其在交通运输中的应用

作者：李敏//王武宏//潘福全

出版社：化学工业出版社出版时间：2022-04-01

开本： 16开 页数： 158

本类榜单：工业技术销量榜

中图价:¥51.0(5.8折) 定价 ~~¥88.0~~ 登录后可看到会员价

加入购物车收藏

运费6元，满39元免运费

?新疆、西藏除外

本类五星书更多>

>
湖南省志(1978-2002)?铁路志

湖南省志(1978-2002)?铁路志

¥70.6¥98
>
公路车宝典(ZINN的公路车维修与保养秘籍)

公路车宝典(ZINN的公路车维修与保养秘籍)

¥69.6¥120
>
晶体管电路设计(下)

晶体管电路设计(下)

¥28.6¥38
>
基于个性化设计策略的智能交通系统关键技术

基于个性化设计策略的智能交通系统关键技术

¥48.6¥68
>
德国克虏伯与晚清火:贸易与仿制模式下的技术转移

德国克虏伯与晚清火:贸易与仿制模式下的技术转移

¥21.8¥65
>
花样百出:贵州少数民族图案填色

花样百出:贵州少数民族图案填色

¥19.1¥45
>
识木:全球220种木材图鉴

识木:全球220种木材图鉴

¥159.6¥228

商品详情
商品评论(0条)

中图价:¥51.0 加入购物车

版权信息
本书特色
内容简介
目录

大数据及其在交通运输中的应用版权信息

ISBN：9787122399830
条形码：9787122399830 ; 978-7-122-39983-0
装帧：一般胶版纸
册数：暂无
重量：暂无
所属分类：
工业技术
>
汽车与交通运输
>
综合运输

大数据及其在交通运输中的应用本书特色

●大数据技术基础理论知识：大数据的特征、分类、框架结构等。 ●Python编程基础知识：各种模块的讲解，并配以实操案例。 ●机器学习模式识别：机器学习的类型、机器学习的基础数学知识、树和随机森林算法、KNN算法、贝叶斯理论、支持向量机等模型和原理以及具体的Python代码实现。 ●深度学习基础知识及应用：深度学习的微积分基础、线性代数基础、案例详解、深度学习框架以及硬件基础、深度学习的驾驶意图应用等。 ●深度学习的交通流预测研究：交通流理论基础、交通流统计分布特性的基本理论知识、交通流数据预处理、深度学习的交通流预测等。

大数据及其在交通运输中的应用内容简介

本书主要对大数据的理论基础进行了介绍，并对大数据框架包含的内容进行了详细讲解。具体内容包括：对Python基础知识的介绍，在大数据的交通流预测中所能用到的Python基础知识；对大数据所包括的内容及基础理论知识的讲解；数据挖掘的研究与分析，对交通流大数据的基础数据的处理与分析；基于Python的机器学习模型的基础理论知识的介绍、交通流和驾驶行为及意图分析；基于Python的深度学习的理论讲解与分析，并运用深度学习模型对交通流进行预测等。本书可供交通运输、交通工程、车辆工程、计算机等领域的技术人员、编程人员阅读，也可供相关专业的师生学习参考。

大数据及其在交通运输中的应用目录

第1 章　绪论001
1.1　大数据概述002
1.2　Python 概述003
1.3　交通运输大数据概述004

第2 章　Python 基础知识007
2.1　变量和简单数据类型008
2.2　Python 语法基础010
2.3　数据可视化020
2.4　数据的统计学特征025
2.5　代数和符号运算问题028
2.6　基本数学运算030
2.7　不同类型的数字031
2.8　Pandas 和NumPy 模块032

第3 章　大数据基础043
3.1　大数据044
3.2　Hadoop 大数据平台046
3.3　大数据与人工智能050
3.4　探索性数据分析051
3.5　相关分析和回归分析054
3.6　降维数据分析056

第4 章　机器学习模式识别065
4.1　人工智能、机器学习和深度学习关系066
4.2　机器学习基础068
4.3　机器学习中的参数及拟合问题071
4.4　矩阵基本知识072
4.5　树和随机森林算法076
4.6　KNN 算法078
4.7　贝叶斯理论078
4.8　支持向量机080
4.9　神经网络085

第5 章　深度学习基础及应用101
5.1　深度学习中的微积分基础102
5.2　深度学习的线性代数基础106
5.3　基于Python 的神经网络案例算法详解107
5.4　深度学习框架113
5.5　深度学习的硬件基础117
5.6　卷积神经网络算法详解118
5.7　循环神经网络和长短期记忆网络125
5.8　基于LSTM 的驾驶意图识别130

第6 章　深度学习的交通流预测研究139
6.1　交通流理论基础140
6.2　交通流的统计分布特性142
6.3　交通流数据预处理144
6.4　交通信息获取技术146
6.5　宏观交通流模型及微观交通流模型147
6.6　基于深度学习的交通流预测149

参考文献155

展开全部

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐