| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·研究背景与意义 | 第9-10页 |
| ·研究背景 | 第9页 |
| ·研究目的与意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·国外研究现状 | 第10-12页 |
| ·国内研究现状 | 第12-13页 |
| ·论文结构安排 | 第13-14页 |
| 第2章 多源信息融合概述 | 第14-30页 |
| ·多源信息融合的基本概念 | 第14-16页 |
| ·多源信息融合的来源 | 第14-15页 |
| ·多源信息融合的定义 | 第15页 |
| ·多传感器系统的定义 | 第15-16页 |
| ·多源信息融合分类 | 第16-19页 |
| ·按融合技术分类 | 第16-17页 |
| ·按融合判决方式分类 | 第17-18页 |
| ·按传感器组合方式分类 | 第18页 |
| ·按信息融合处理层次分类 | 第18-19页 |
| ·按信息融合目的分类 | 第19页 |
| ·多源信息融合算法概述 | 第19-21页 |
| ·多源信息融合系统的基本模型 | 第21-27页 |
| ·信息融合技术的应用 | 第27-30页 |
| ·信息融合在各个领域中的应用 | 第27-28页 |
| ·信息融合在交通领域的应用 | 第28-30页 |
| 第3章 无检测器道路交通流信息预测 | 第30-41页 |
| ·交通流量预测方法概述 | 第30-33页 |
| ·聚类分析法 | 第30-32页 |
| ·主成分分析法 | 第32-33页 |
| ·方法应用举例 | 第33-41页 |
| ·聚类分析法在有检测器交叉口分类中的应用 | 第34-37页 |
| ·主成分分析法在无检测器交叉口交通流量预测中的应用 | 第37-41页 |
| 第4章 神经网络 | 第41-60页 |
| ·人工神经网络简介 | 第41页 |
| ·人工神经网络模型 | 第41-44页 |
| ·生物神经元模型 | 第41-43页 |
| ·人工神经网络的模型 | 第43-44页 |
| ·人工神经网络的分类 | 第44-47页 |
| ·神经网络信息融合技术 | 第47-52页 |
| ·信息融合模型的神经网络表示 | 第48-49页 |
| ·基于神经网络的信息融合技术的特点 | 第49页 |
| ·基于神经网络的融合识别的基本原理 | 第49-52页 |
| ·基于人工神经网络的基础交通信息融合方法 | 第52-60页 |
| ·多传感器的交通参数融合 | 第52-53页 |
| ·网络结构选择 | 第53-54页 |
| ·实例验证 | 第54-57页 |
| ·神经网络的训练仿真及结果分析 | 第57-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 附录 VB模拟界面程序 | 第65-69页 |
| 致谢 | 第69-70页 |
| 研究生履历 | 第70页 |