基于支持向量机的高速公路事件检测算法
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·选题背景 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-12页 |
| ·研究的意义和内容 | 第12-13页 |
| ·研究的意义 | 第12页 |
| ·研究的内容 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 第二章 高速公路交通流特性分析 | 第14-24页 |
| ·高速公路交通流特性 | 第14-21页 |
| ·高速公路交通流基本参数 | 第14-15页 |
| ·交通流基本参数关系 | 第15-16页 |
| ·宏观稳态交通流模型 | 第16-17页 |
| ·宏观动态交通流模型 | 第17-21页 |
| ·事件状态下高速公路交通流特性 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 高速公路事件检测算法研究 | 第24-34页 |
| ·交通事件检测原理 | 第24页 |
| ·经典交通事件检测算法 | 第24-29页 |
| ·检测算法评价指标 | 第29-31页 |
| ·算法设计 | 第31-33页 |
| ·算法原理 | 第32页 |
| ·算法特点 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 统计学习与支持向量机理论 | 第34-49页 |
| ·机器学习问题 | 第34-35页 |
| ·统计学习理论 | 第35-38页 |
| ·VC维 | 第36页 |
| ·推广性的界 | 第36-37页 |
| ·结构风险最小化原则 | 第37-38页 |
| ·支持向量机理论 | 第38-47页 |
| ·分类问题的描述 | 第38-40页 |
| ·线性可分支持向量机 | 第40-43页 |
| ·线性不可分支持向量机 | 第43-45页 |
| ·非线性可分支持向量机 | 第45-47页 |
| ·支持向量机的优点 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 基于SVM的事件检测算法设计 | 第49-64页 |
| ·SVM-AID的算法步骤和工作流程 | 第49-50页 |
| ·交通参数选取与数据来源 | 第50-53页 |
| ·交通参数选取 | 第50-51页 |
| ·交通数据来源 | 第51-53页 |
| ·模型及核函数的选择 | 第53-55页 |
| ·k-折交叉验证法 | 第53-54页 |
| ·网格搜索算法 | 第54-55页 |
| ·算法仿真 | 第55-61页 |
| ·仿真实验1 | 第56-58页 |
| ·仿真实验2 | 第58-60页 |
| ·仿真实验3 | 第60-61页 |
| ·仿真实验4 | 第61页 |
| ·结果分析 | 第61-63页 |
| ·有效性分析 | 第62-63页 |
| ·可移植性分析 | 第63页 |
| ·本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 总结 | 第64-65页 |
| 展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 攻读硕士学位期间取得的研究成果 | 第69-70页 |
| 致谢 | 第70页 |
