新能源汽车数据聚类分析及其应用研究

摘要

新能源汽车采用动力控制和先进驱动技术，具有原理先进、技术先进、结构新颖等特点。新能源汽车在使用和运行过程中产生了大量的数据，例如电池和电机的状态等。而如何利用新能源汽车产生的大量数据进行知识挖掘、机器错误检索等任务则成为行业内的难点之一。数据挖掘技术能够从海量原始数据中挖掘出潜在的有价值信息，成为计算机科学家和数据科学家们关注的热点。聚类分析是数据挖掘技术中一种重要的数据分析方法，能够按照数据样本间的相似性对数据进行无监督分类，使得同簇内的数据尽可能相似，而不同簇间的数据尽可能相异。本文主要采用聚类技术对新能源汽车数据进行分析和知识挖掘，主要研究内容如下:
　　(1)本文首先对数据挖掘中的数据预处理和聚类分析的相关概念及技术进行较为详细的介绍。并结合新能源汽车数据的噪声多，数据完整性差等复杂特点，完成对数据进行收集、整理与预处理操作，得到格式统一的、数据完整的和归一化后的干净新能源汽车数据，为后期的聚类分析做好准备。
　　(2)采用经典的k-means和层次聚类算法对新能源汽车数据进行聚类分析和挖掘，重点从新能源汽车的能耗、故障分析和驾驶行为习惯等方面挖掘出有价值的信息，为安全操作、安全生产和合理使用提供技术支持。
　　(3)通过理论分析和实验证明，聚类分析在新能源汽车数据的应用，可以较为准确地挖掘出新能源汽车数据中潜在的有用信息和知识，结合聚类分析结果可以较为准确判断新能源汽车数据间的关联程度，有助于操作者和生产者及时发现新能源汽车在能耗、故障分析和驾驶行为习惯等方面的问题。

目录

声明

摘要

第1章 引言

1．1 研究背景

1．2 论文主要工作

1．2．1 作者所做的工作

1．2．2 本文内容安排

第2章 聚类分析的概念和方法

2．1 基本概念

2．2 相似性度量

2．3 聚类分析的基本步骤

2．4 常用算法

2．4．1 划分聚类算法

2．4．2 层次聚类算法

2．4．3 基于密度的聚类算法

2．4．4 基于网格的聚类算法

2．4．5 基于模型的聚类算法

第3章 新能源汽车数据收集、整理与预处理

3．1 新能源汽车简介

3．2 数据的收集

3．3 数据的整理

3．4 数据的预处理

3．4．1 数据清理

3．4．2 数据集成

3．4．3 数据变换

3．4．4 数据规约

3．4．5 新能源汽车数据预处理

第4章 新能源汽车数据聚类分析

4．1 新能源汽车中的数据挖据问题

4．2 新能源汽车中的数据聚类分析流程

4．3 驾驶行为习惯聚类分析

4．3．1 数据准备

4．3．2 数据预处理

4．3．3 聚类分析

4．3．4 聚类结果评价

4．4 行车耗电量聚类分析

4．4．1 数据准备

4．4．2 数据预处理

4．4．3 聚类分析

4．4．4 聚类结果评价

4．5 车速聚类分析

4．5．1 数据准备

4．5．2 数据预处理

4．5．3 聚类分析

4．5．4 聚类结果评价

第5章 总结与展望

5．1 主要工作

5．2 展望

参考文献

致谢