高速公路收费稽查系统数据挖掘技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9页 |
| 1.2 研究目的 | 第9-10页 |
| 1.2.1 提升稽查工作中的信息化水平 | 第9-10页 |
| 1.2.2 提高稽查管理水平 | 第10页 |
| 1.2.3 完善稽查管理流程 | 第10页 |
| 1.3 国内外相关应用现状 | 第10-12页 |
| 1.3.1 国内应用现状 | 第10-12页 |
| 1.3.2 国外应用现状 | 第12页 |
| 1.4 研究内容 | 第12-14页 |
| 第二章 联网稽查业务和技术分析 | 第14-29页 |
| 2.1 计算机网络系统 | 第14-19页 |
| 2.1.1 省级联网中心系统 | 第14-17页 |
| 2.1.2 路段分中心的系统 | 第17-18页 |
| 2.1.3 收费站系统 | 第18-19页 |
| 2.2 收费数据结构和特征 | 第19-21页 |
| 2.3 偷逃通行费稽查分析 | 第21-25页 |
| 2.3.1 假冒类 | 第21-22页 |
| 2.3.2 作弊类 | 第22-23页 |
| 2.3.3 违规类 | 第23页 |
| 2.3.4 恶意逃费类 | 第23-24页 |
| 2.3.5 缺陷类 | 第24-25页 |
| 2.4 基于联网基础上收费稽查分析 | 第25-28页 |
| 2.4.1 稽查的内涵和功能 | 第26页 |
| 2.4.2 稽查的方式与内容 | 第26-28页 |
| 2.4.3 稽查机构的设置 | 第28页 |
| 2.5 本章小节 | 第28-29页 |
| 第三章 收费稽查数据挖掘研究 | 第29-41页 |
| 3.1 数据仓库技术 | 第29-31页 |
| 3.1.1 数据仓库的体系结构 | 第30页 |
| 3.1.2 数据仓库特征 | 第30-31页 |
| 3.2 关联规则 | 第31-33页 |
| 3.2.1 关联规则的属性 | 第31-32页 |
| 3.2.2 优化的 Apriori 算法 | 第32-33页 |
| 3.3 分类法 | 第33-37页 |
| 3.3.1 分类法描述 | 第33-34页 |
| 3.3.2 决策树算法 | 第34-35页 |
| 3.3.3 收费稽查决策树的实现 | 第35-37页 |
| 3.4 人工神经网络 | 第37-40页 |
| 3.4.1 神经网络原理 | 第37页 |
| 3.4.2 神经网络模型 | 第37-38页 |
| 3.4.3 BP 神经网络算法 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 联网收费稽查数据挖掘设计 | 第41-50页 |
| 4.1 联网收费稽查数据仓库数据准备 | 第41-44页 |
| 4.1.1 数据构成 | 第41-42页 |
| 4.1.2 逃费样本数据选取 | 第42-44页 |
| 4.2 联网收费稽查数据挖掘模型 | 第44-46页 |
| 4.3 数据采集 | 第46-49页 |
| 4.3.1 数据抽取 | 第47-48页 |
| 4.3.2 数据清洗、转换 | 第48-49页 |
| 4.3.3 数据装载 | 第49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 基于数据挖掘的收费稽查业务的实现 | 第50-59页 |
| 5.1 数据挖掘工具 | 第50-52页 |
| 5.1.1 数据格式 | 第50-51页 |
| 5.1.2 用户界面 | 第51-52页 |
| 5.2 数据挖掘的实例应用 | 第52-58页 |
| 5.2.1 实验环境 | 第52-53页 |
| 5.2.2 车型不符类逃费稽查 | 第53-57页 |
| 5.2.3 收费稽查的决策指导 | 第57-58页 |
| 5.3 本章小结 | 第58-59页 |
| 第六章 结论 | 第59-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63页 |
