| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.2.1 时间序列模式分类研究现状 | 第16-17页 |
| 1.2.2 交通流预测研究现状 | 第17-18页 |
| 1.2.3 时间序列早期分类研究现状 | 第18页 |
| 1.3 研究内容及章节安排 | 第18-21页 |
| 第二章 相关知识介绍 | 第21-31页 |
| 2.1 时间序列模式分类相关知识介绍 | 第21-23页 |
| 2.1.1 领域无关算法 | 第21-22页 |
| 2.1.2 领域相关算法 | 第22-23页 |
| 2.2 支持向量机分类算法 | 第23-26页 |
| 2.3 交通流相关介绍 | 第26-27页 |
| 2.3.1 交通流特征参数介绍 | 第26页 |
| 2.3.2 交通流特征介绍 | 第26-27页 |
| 2.4 交通流预测相关算法介绍 | 第27-30页 |
| 2.5 早期时间序列分类相关算法介绍 | 第30页 |
| 2.6 本章小结 | 第30-31页 |
| 第三章 基于多视图典型相关分析改进的时间序列模式分类 | 第31-43页 |
| 3.1 多视图典型相关分析 | 第31-32页 |
| 3.2 动态时间规整算法 | 第32-34页 |
| 3.3 改进的时间序列模式分类算法 | 第34-38页 |
| 3.3.1 提取原始时间序列的动态时间规整特征 | 第34-35页 |
| 3.3.2 提取原始时间序列的一维时间方向梯度直方图特征 | 第35-36页 |
| 3.3.3 基于典型相关分析的时间序列分类 | 第36-38页 |
| 3.4 实验部分 | 第38-42页 |
| 3.4.1 实验数据介绍 | 第38页 |
| 3.4.2 实验方法介绍 | 第38-39页 |
| 3.4.3 实验对比算法 | 第39页 |
| 3.4.4 实验结果及分析 | 第39-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于经验模态分解改进的多步交通流预测 | 第43-59页 |
| 4.1 经验模态分解方法 | 第43-44页 |
| 4.2 多步交通流预测算法研究 | 第44-46页 |
| 4.2.1 递归策略 | 第45页 |
| 4.2.2 直接策略 | 第45-46页 |
| 4.3 改进的多步交通流预测算法 | 第46-48页 |
| 4.3.1 问题的描述 | 第46页 |
| 4.3.2 基于EMD分解的多步交通流预测 | 第46-48页 |
| 4.4 城市道路交通流仿真及实现 | 第48-52页 |
| 4.4.1 交通流仿真场景建模 | 第48-51页 |
| 4.4.2 交通流路网仿真 | 第51-52页 |
| 4.5 实验部分 | 第52-58页 |
| 4.5.1 实验数据说明 | 第52页 |
| 4.5.2 实验方法说明 | 第52页 |
| 4.5.3 实验对比算法 | 第52-53页 |
| 4.5.4 实验评价指标 | 第53页 |
| 4.5.5 实验结果及分析 | 第53-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第五章 基于代价损失的早期时间序列分类 | 第59-69页 |
| 5.1 基于聚类的代价损失的早期时间序列分类 | 第59-61页 |
| 5.2 基于KNN改进的早期时间序列分类 | 第61-64页 |
| 5.3 实验部分 | 第64-67页 |
| 5.3.1 数据集介绍 | 第64页 |
| 5.3.2 实验评价指标 | 第64页 |
| 5.3.3 实验结果及分析 | 第64-67页 |
| 5.4 本章小结 | 第67-69页 |
| 第六章 结论和展望 | 第69-71页 |
| 6.1 研究结论 | 第69-70页 |
| 6.2 研究展望 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 致谢 | 第77-79页 |
| 作者简介 | 第79-80页 |