基于分类器组合的交通拥堵预测
| 中文摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第一章 绪论 | 第7-17页 |
| ·问题的提出 | 第7-8页 |
| ·交通拥堵预测的技术背景 | 第8页 |
| ·交通拥堵预测的现状与研究 | 第8-12页 |
| ·国外关于交通流预测的研究 | 第9-10页 |
| ·国内关于交通流预测的研究 | 第10-11页 |
| ·交通事件自动检测技术的研究 | 第11-12页 |
| ·交通拥堵预测研究 | 第12-14页 |
| ·本文研究的内容与意义 | 第14-16页 |
| ·本文研究的内容与结构 | 第14-15页 |
| ·本文研究的意义 | 第15-16页 |
| ·课题的来源及研究内容 | 第16-17页 |
| 第二章 分类器 | 第17-31页 |
| ·分类的机理 | 第18页 |
| ·分类器 | 第18-21页 |
| ·分类器构造方法 | 第18-19页 |
| ·分类器的过拟合问题 | 第19-20页 |
| ·分类器的评价与比较 | 第20-21页 |
| ·分类器组合概述 | 第21-22页 |
| ·分类器组合的构造方法 | 第22-29页 |
| ·投票表决法 | 第22-23页 |
| ·Bagging 算法 | 第23-25页 |
| ·Boosting 算法 | 第25-28页 |
| ·CMM 算法 | 第28-29页 |
| ·DAGGER 算法 | 第29页 |
| ·Bagging 和Boosting 的比较 | 第29-30页 |
| ·小结 | 第30-31页 |
| 第三章 拥堵预测 | 第31-47页 |
| ·城市交通拥堵 | 第31-32页 |
| ·拥堵预测的交通流参数 | 第32-34页 |
| ·样本数据预处理 | 第34-39页 |
| ·用于拥堵预测的元学习算法 | 第39-42页 |
| ·BP 网络及其学习算法 | 第39-40页 |
| ·BP 网络的适用性 | 第40-41页 |
| ·BP 网络的训练 | 第41-42页 |
| ·用于拥堵预测的AdaBoost 算法 | 第42-43页 |
| ·用于拥堵预测的Bagging 算法 | 第43-46页 |
| ·小结 | 第46-47页 |
| 第四章 基于分类器组合的交通拥堵预测仿真 | 第47-61页 |
| ·仿真实验的设计 | 第47-48页 |
| ·基于分类器组合的交通拥堵预测仿真实验 | 第48-59页 |
| ·基于单神经网络的交通拥堵预测仿真实验 | 第48页 |
| ·基于Bagging 的交通拥堵预测仿真实验 | 第48-56页 |
| ·基于AdaBoost 的交通拥堵预测仿真实验 | 第56-59页 |
| ·基于分类器组合的交通拥堵预测仿真性能比较 | 第59-60页 |
| ·小结 | 第60-61页 |
| 结束语 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 个人简历 | 第67页 |
