| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 论文结构 | 第14-15页 |
| 第二章 相关理论介绍 | 第15-20页 |
| 2.1 相空间重构 | 第15-16页 |
| 2.2 粒子群算法 | 第16-17页 |
| 2.3 BP神经网络概述 | 第17-20页 |
| 第三章 基于CS-WNN模型的有效停车泊位预测算法 | 第20-32页 |
| 3.1 算法描述 | 第20-27页 |
| 3.1.1 数据预处理 | 第20-22页 |
| 3.1.2 小波神经网络 | 第22-24页 |
| 3.1.3 布谷鸟算法 | 第24-25页 |
| 3.1.4 基于相空间重构的布谷鸟小波神经网络算法流程 | 第25-27页 |
| 3.2 参数设定与评价指标 | 第27-28页 |
| 3.2.1 参数设定 | 第27-28页 |
| 3.2.2 评价指标 | 第28页 |
| 3.3 实验结果对比分析 | 第28-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 改进的布谷鸟算法及其在停车泊位预测中的应用 | 第32-42页 |
| 4.1 基于分组更新评价策略的布谷鸟算法 | 第32-37页 |
| 4.1.1 逐维更新的评价策略 | 第32-34页 |
| 4.1.2 基于分组更新的布谷鸟算法 | 第34-36页 |
| 4.1.3 分组更新布谷鸟算法在有效停车泊位预测中的应用 | 第36-37页 |
| 4.2 参数设定与评价指标 | 第37-38页 |
| 4.3 实验结果对比分析 | 第38-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 总结与展望 | 第42-44页 |
| 5.1 全文总结 | 第42-43页 |
| 5.2 研究展望 | 第43-44页 |
| 参考文献 | 第44-49页 |
| 作者简介 | 第49-50页 |
| 致谢 | 第50页 |
