| 中文摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 课题研究意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-15页 |
| 1.3.1 设备维修管理现状 | 第12-14页 |
| 1.3.2 数据挖掘现状 | 第14-15页 |
| 1.4 课题主要内容 | 第15-16页 |
| 1.5 本文组织结构 | 第16-17页 |
| 第二章 课题相关知识与技术 | 第17-29页 |
| 2.1 数据挖掘技术与工具 | 第17-22页 |
| 2.1.1 数据挖掘概念 | 第17页 |
| 2.1.2 数据挖掘流程 | 第17-19页 |
| 2.1.3 数据挖掘功能分类 | 第19-21页 |
| 2.1.4 数据挖掘常用工具 | 第21-22页 |
| 2.2 智能公交维保系统相关技术 | 第22-28页 |
| 2.2.1 B/S模型 | 第22-24页 |
| 2.2.2 系统框架 | 第24-25页 |
| 2.2.3 数据管理 | 第25-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 智能公交维保系统需求分析 | 第29-40页 |
| 3.1 业务需求分析 | 第29-30页 |
| 3.2 用户需求分析 | 第30-33页 |
| 3.3 功能分析和非功能分析 | 第33-39页 |
| 3.3.1 功能分析 | 第33-36页 |
| 3.3.2 非功能分析 | 第36-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 智能公交维保系统总体设计 | 第40-50页 |
| 4.1 系统设计目标 | 第40页 |
| 4.2 系统结构设计 | 第40-42页 |
| 4.2.1 功能结构设计 | 第40-41页 |
| 4.2.2 拓扑结构设计 | 第41-42页 |
| 4.3 功能模块设计 | 第42-44页 |
| 4.3.1 前端APP | 第42-43页 |
| 4.3.2 后台管理系统 | 第43-44页 |
| 4.4 数据库设计 | 第44-49页 |
| 4.4.1 数据库设计原则 | 第44-45页 |
| 4.4.2 数据表设计 | 第45-46页 |
| 4.4.3 多维数据集设计 | 第46-49页 |
| 4.5 开发环境及工具 | 第49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 智能公交维保系统实现要点 | 第50-74页 |
| 5.1 基于关联规则的智能派单分析 | 第50-61页 |
| 5.1.1 数据预处理 | 第50-53页 |
| 5.1.2 关联规则概述 | 第53-55页 |
| 5.1.3 经典关联规则算法——Apriori算法 | 第55-56页 |
| 5.1.4 Apriori算法在智能派单中的应用 | 第56-61页 |
| 5.2 基于BP神经网络算法的巡检计划分析 | 第61-70页 |
| 5.2.1 分类方法概述 | 第61-62页 |
| 5.2.2 BP神经网络算法介绍 | 第62-65页 |
| 5.2.3 BP神经网络算法在巡检计划中的应用 | 第65-70页 |
| 5.3 智能公交维保系统部分界面展示 | 第70-73页 |
| 5.3.1 前端APP | 第70-72页 |
| 5.3.2 后台维保系统 | 第72-73页 |
| 5.4 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 总结 | 第74-75页 |
| 6.2 展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间取得的学术成果 | 第80-81页 |
| 附录 A 系统数据表 | 第81-86页 |
| 附录 B 智能派单数据转换标准 | 第86-91页 |
| 附录 C 巡检计划数据转换标准 | 第91-93页 |
| 致谢 | 第93-94页 |