| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文研究内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-15页 |
| 第二章 相关基础知识 | 第15-21页 |
| 2.1 数据挖掘 | 第15-16页 |
| 2.1.1 产生背景 | 第15页 |
| 2.1.2 基本概念 | 第15-16页 |
| 2.2 机器学习 | 第16-18页 |
| 2.2.1 神经网络 | 第16-18页 |
| 2.2.2 支持向量机 | 第18页 |
| 2.3 本章小结 | 第18-21页 |
| 第三章 公交IC卡数据的特点及分析 | 第21-29页 |
| 3.1 公交IC卡 | 第21-22页 |
| 3.2 公交IC卡刷卡记录 | 第22-24页 |
| 3.3 公交客流量数据挖掘 | 第24-28页 |
| 3.3.1 提取 | 第24-25页 |
| 3.3.2 筛选 | 第25页 |
| 3.3.3 统计 | 第25-26页 |
| 3.3.4 整合 | 第26-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第四章 公交客流量时间序列的混沌特性判定及相空间重构 | 第29-33页 |
| 4.1 混沌 | 第29页 |
| 4.2 公交客流量时间序列的混沌特性判定 | 第29-31页 |
| 4.3 公交客流量时间序列的相空间重构 | 第31-32页 |
| 4.4 本章小结 | 第32-33页 |
| 第五章 基于混沌-小波神经网络的公交客流量预测模型研究 | 第33-43页 |
| 5.1 概述 | 第33-34页 |
| 5.2 小波神经网络 | 第34-35页 |
| 5.3 混沌-小波神经网络预测模型 | 第35-37页 |
| 5.4 公交客流量预测 | 第37-41页 |
| 5.4.1 数据预处理 | 第37-38页 |
| 5.4.2 小波神经网络训练 | 第38页 |
| 5.4.3 小波神经网络预测 | 第38-40页 |
| 5.4.4 预测效果分析 | 第40-41页 |
| 5.5 本章小结 | 第41-43页 |
| 第六章 总结与展望 | 第43-45页 |
| 6.1 总结 | 第43-44页 |
| 6.2 展望 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 致谢 | 第49-51页 |
| 攻读学位期间的科研成果 | 第51-52页 |