| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 引言 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 研究目的和意义 | 第11-12页 |
| 1.4 本文工作及文章结构 | 第12-14页 |
| 2 RFID 技术与车联网 | 第14-17页 |
| 2.1 RFID 技术与车联网概念 | 第14页 |
| 2.2 RFID 在车联网中的应用 | 第14-15页 |
| 2.2.1 交通信息采集 | 第14-15页 |
| 2.2.2 智能交通控制 | 第15页 |
| 2.2.3 综合交通管控 | 第15页 |
| 2.3 车联网的数据技术 | 第15-16页 |
| 2.4 本章小结 | 第16-17页 |
| 3 车联网中的 RFID 路径数据压缩 | 第17-27页 |
| 3.1 RFID 路径数据产生及特点 | 第17-18页 |
| 3.2 RFID 数据预处理 | 第18-20页 |
| 3.3 RFID 路径编码 | 第20-24页 |
| 3.3.1 RFID 路径形式 | 第20页 |
| 3.3.2 RFID 路径 MBPrime 编码方法 | 第20-24页 |
| 3.4 RFID 路径压缩 | 第24-26页 |
| 3.5 本章小结 | 第26-27页 |
| 4 基于闭序列的 RFID 频繁模式挖掘 | 第27-36页 |
| 4.1 问题的提出及相关定义 | 第27-28页 |
| 4.2 基本序列模式挖掘算法分析比较 | 第28-29页 |
| 4.3 面向 RFID 路径数据的 PathMining 算法 | 第29-35页 |
| 4.3.1 PathMining 算法相关概念 | 第29-30页 |
| 4.3.2 PathMining 算法搜索过程 | 第30-33页 |
| 4.3.3 PathMining 算法步骤 | 第33-34页 |
| 4.3.4 RFID 路径数据的时间信息处理 | 第34-35页 |
| 4.4 本章小结 | 第35-36页 |
| 5 基于滑动窗口的频繁模式挖掘 | 第36-48页 |
| 5.1 问题的提出及相关概念 | 第36-37页 |
| 5.2 RFID 路径数据的滑动窗口模型 | 第37-38页 |
| 5.3 反序列的 ICR-Tree 频繁模式挖掘 | 第38-47页 |
| 5.3.1 反序列数据库 | 第38-40页 |
| 5.3.2 反闭序列树 ICR-Tree 结构 | 第40-43页 |
| 5.3.3 ICR_Stream 算法 | 第43-47页 |
| 5.4 本章小结 | 第47-48页 |
| 6 实验分析 | 第48-55页 |
| 6.1 实验环境与实验数据集 | 第48-49页 |
| 6.2 RFID 路径数据压缩验证 | 第49-51页 |
| 6.2.1 MBPrime 编码方法验证 | 第49-50页 |
| 6.2.2 R-LZW 压缩算法验证 | 第50-51页 |
| 6.3 RFID 序列模式挖掘验证 | 第51-54页 |
| 6.3.1 算法运行时间分析 | 第51-53页 |
| 6.3.2 算法存储空间分析 | 第53页 |
| 6.3.3 算法有效覆盖率分析 | 第53-54页 |
| 6.4 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读学位期间的研究成果 | 第61页 |