物联网环境下关联规则算法在公交事故分析中的应用研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.1.1 研究背景 | 第14-15页 |
| 1.1.2 研究意义 | 第15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.2.1 国内研究综述 | 第15-16页 |
| 1.2.2 国外研究综述 | 第16-17页 |
| 1.3 研究内容与结构 | 第17-19页 |
| 1.3.1 研究内容 | 第17页 |
| 1.3.2 研究结构 | 第17-19页 |
| 第二章 理论基础 | 第19-26页 |
| 2.1 数据挖掘方法及其相关应用 | 第19-22页 |
| 2.1.1 数据挖掘概念 | 第19页 |
| 2.1.2 数据挖掘方法及应用 | 第19-22页 |
| 2.2 物联网技术及其相关应用 | 第22-25页 |
| 2.2.1 物联网概念 | 第22-24页 |
| 2.2.2 物联网相关技术及应用 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 公交事故挖掘算法流程 | 第26-40页 |
| 3.1 事故数据预处理 | 第26页 |
| 3.2 公交事故数据预处理基本过程 | 第26-31页 |
| 3.2.1 公交事故预处理方法 | 第26-28页 |
| 3.2.2 公交事故数据预处理结果 | 第28-31页 |
| 3.3 基于公交事故数据立方体的应用 | 第31-39页 |
| 3.3.1 数据仓库和OLAP | 第31-35页 |
| 3.3.2 公交事故数据立方体应用 | 第35-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 公交事故关联规则分析 | 第40-52页 |
| 4.1 公交事故规则Apriori算法分析 | 第40-45页 |
| 4.1.1 Apriori算法流程 | 第41-44页 |
| 4.1.2 Apriori算法伪代码 | 第44-45页 |
| 4.2 多维公交事故关联规则 | 第45-48页 |
| 4.2.1 简单多维数据模型 | 第46-47页 |
| 4.2.2 结构化多维数据模型 | 第47-48页 |
| 4.2.3 多维关联规则算法伪代码 | 第48页 |
| 4.3 结果分析 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 公交事故分析算法的改进 | 第52-57页 |
| 5.1 分析算法的改进 | 第52-55页 |
| 5.2 算法的比较分析 | 第55-56页 |
| 5.2.1 时间比较分析 | 第55页 |
| 5.2.2 结果比较分析 | 第55-56页 |
| 5.3 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 工作总结 | 第57页 |
| 6.2 工作展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第62页 |
