第1章 緒論
1.1 研究背景及意義
1.1.1 研究背景
1.1.2 研究意義
1.2 **外研究現狀
1.2.1 CPS的發展現狀
1.2.2 T-CPS的相關研究
1.2.3 交通數據的分析方法
1.2.4 流式數據的聚類分析
1.3 主要研究內容
1.4 本書的組織結構
第2章 基於CPS的交通流式數據的特點
及特性分析
2.1 交通狀態描述
2.2 基於CPS的交通流式數據的特點
2.3 交通流式數據的特性分析
2.3.1 交通流式數據的周期演化特性
分析
2.3.2 交通流式數據的縱向傳播特性
分析
2.3.3 交通多流式數據的相似性演化
特性分析
2.4 本章小結
第3章 基於周期演化特性的交通多流式
數據進化聚類算法
3.1 引言
3.2 相關工作
3.2.1 非負矩陣分解算法
3.2.2 圖正則約束的非負矩陣分解
3.3 基於周期特性的交通多流式數據進
化聚類
3.3.1 問題描述
3.3.2 基於周期特性的交通多流式數
據聚類建模
3.3.3 迭代*新
3.4 算法描述及其分析
3.4.1 EC—NMF算法描述
3.4.2 收斂性分析
3.4.3 復雜度分析
3.5 仿真實驗及結果分析
3.5.1 比較算法及評估方法
3.5.2 合成數據集上的實驗結果及分析
3.5.3 實測數據集上的實驗結果及分析
3.5.4 參數選擇
3.6 本章小結
第4章 基於縱向空間傳播特性的交通多
流式數據聯合聚類分析
4.1 引言
4.2 相關工作
4.2.1 聯合聚類
4.2.2 基於NMTF的聯合聚類
4.3 基於時空特性的交通多流式數據聯合
聚類模型
4.3.1 問題描述
4.3.2 基於時空特性的交通多流式數據
聚類建模
4.3.3 迭代*新
4.4 STClu算法描述及其分析
4.4.1 算法描述
4.4.2 復雜度分析
4.5 仿真實驗及結果分析
4.5.1 比較算法及參數設置
4.5.2 合成數據集上的實驗結果及分析
4.5.3 實測數據集上的實驗結果及分析
4.6 本章小結
第5章 基於譜圖理論的交通多流式數據
演化趨勢發現算法
5.1 相關工作
5.2 問題描述
5.3 交通多流式數據的滯後相關性度量
5.4 交通多流式數據的演化趨勢發現
算法
5.4.1 多流式數據的統計分析
5.4.2 交通多流式數據的演化趨勢發
現算法
5.5 仿真實驗及結果分析
5.5.1 比較算法及度量指標
5.5.2 ICMDS算法的有效性
5.5.3 TEEMA算法的可擴展性
5.6 本章小結
第6章 總結與展望
6.1 本書的主要工作
6.2 後續工作展望
參考文獻