公开(公告)号：CN107516287A

公开(公告)日：2017-12-26

申请号：CN201710729803.4

申请日：2017-08-23

Applicant: 中南大学

Inventor： 邓晓衡 ,  曾德天

IPC: G06Q50/26

CPC classification number: G06Q50/26

Abstract: 本发明公开了一种交通事故成因分析方法，包括获取交通事故相关数据并得到与交通事故直接相关的数据集；采用层次分析法对数据集进行分类；构建上下层次的判断矩阵并进行一致性检验；获取数据集中的频繁项集并采用遗传算法计算最终的最优分类规则集，从而完成交通事故的成因分析。本发明方法通过层次分析法和遗传算法相结合的方式，对交通事故的成因、影响因素、驾驶人的因素、天气因素等各类因素进行综合考量，对交通事故的成因进行了大量数据的挖掘，找到其内在数据的联系，挖掘交通事故数据与事故自身的关联因素，从而为交通管理部分提供决策依据和数据支持。

公开(公告)号：CN106056427A

公开(公告)日：2016-10-26

申请号：CN201610352855.X

申请日：2016-05-25

Applicant: 中南大学

Inventor： 邓晓衡 ,  宋凯 ,  沈海澜 ,  吴佳祺 ,  曾德天

IPC: G06Q30/06 ,  G06K9/62

CPC classification number: G06Q30/0631 ,  G06K9/6256 ,  G06K9/6292

Abstract: 本发明提出了一种基于Spark的大数据混合模型的商品移动推荐方法。该方法包括4个步骤：首先获取用户在移动端的商品购买数据；第二，从数据库中提取用户历史数据导入到HDFS上，提取特征如用户的行为特征、品牌特征、用户个人消费特征、交叉特征等；第三，将在Spark平台上采用RDD算子对混合模型进行封装，将模型接口嵌入大数据平台内供调用；第四，调用混合模型接口提取特征数据，设置模型的训练参数，训练混合模型。使用测试数据集对模型进行评估，优化模型达到最优,保存训练后的混合模型，并进行相关推荐。该方法能在数据量增大、数据稀疏性加大情况下，有效提高推荐效率。