高速公路机电设备管理软件的改进
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.2.1 国外研究现状和问题 | 第12页 |
| 1.2.2 国内研究现状和问题 | 第12-13页 |
| 1.3 本文主要研究的内容 | 第13-15页 |
| 第二章 机电设备维护系统基础 | 第15-27页 |
| 2.1 公路机电系统 | 第15-18页 |
| 2.1.1 车牌识别系统 | 第15-16页 |
| 2.1.2 计重系统 | 第16-17页 |
| 2.1.3 自动收费系统 | 第17-18页 |
| 2.2 公路机电设备维护的实施 | 第18-22页 |
| 2.2.1 公路机电设备维护管理系统分工 | 第18-20页 |
| 2.2.2 公路机电设备维护流程 | 第20-22页 |
| 2.3 公路机电设备维护管理软件 | 第22-26页 |
| 2.3.1 现有系统功能模块 | 第23-25页 |
| 2.3.2 新增或改进模块 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 数据分析的算法基础 | 第27-43页 |
| 3.1 数据挖掘技术 | 第27-28页 |
| 3.2 关联 | 第28-30页 |
| 3.3 回归 | 第30-33页 |
| 3.3.1 一元线性回归 | 第30-31页 |
| 3.3.2 一元非线性回归 | 第31页 |
| 3.3.3 多元线性回归 | 第31-32页 |
| 3.3.4 Logistic回归 | 第32-33页 |
| 3.4 分类 | 第33-40页 |
| 3.4.1 K-近邻(KNN) | 第34-35页 |
| 3.4.2 朴素贝叶斯分类 | 第35-36页 |
| 3.4.3 神经网络 | 第36-38页 |
| 3.4.4 支持向量机 | 第38-39页 |
| 3.4.5 决策树 | 第39-40页 |
| 3.5 聚类 | 第40-42页 |
| 3.5.1 K-means方法 | 第40-41页 |
| 3.5.2 层次聚类 | 第41-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 机电设备故障分析与预测 | 第43-53页 |
| 4.1 回归分析 | 第44-46页 |
| 4.2 关联分析 | 第46-48页 |
| 4.3 聚类分析 | 第48-50页 |
| 4.4 分类分析 | 第50-52页 |
| 4.5 整体分析方案 | 第52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章 机电设备维护管理软件系统的搭建和测试 | 第53-65页 |
| 5.1 数据源 | 第53-54页 |
| 5.2 目标的定义 | 第54-55页 |
| 5.3 数据准备 | 第55-57页 |
| 5.4 数据探索 | 第57-59页 |
| 5.4.1 统计分析 | 第58页 |
| 5.4.2 数据可视化 | 第58-59页 |
| 5.5 模型的建立 | 第59页 |
| 5.6 模型的部署实现 | 第59-61页 |
| 5.7 模型的评估 | 第61-63页 |
| 5.7.1 仿真测试 | 第61-62页 |
| 5.7.2 实际测试 | 第62-63页 |
| 5.8 本章小结 | 第63-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 工作总结 | 第65页 |
| 6.2 下一步工作建议 | 第65-67页 |
| 参考文献 | 第67-69页 |
| 致谢 | 第69页 |
