| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-13页 |
| 1.1.1 我国高速公路的历史和现状 | 第9-10页 |
| 1.1.2 我国高速公路交通事故现状 | 第10-11页 |
| 1.1.3 我国高速公路交通事故的特点 | 第11-13页 |
| 1.1.4 完善高速公路交通事故紧急救援体系的重要性和紧迫性 | 第13页 |
| 1.2 国内外高速公路交通事故紧急救援的研究现状 | 第13-15页 |
| 1.2.1 国外紧急救援研究现状 | 第13-14页 |
| 1.2.2 国内紧急救援研究现状 | 第14-15页 |
| 1.3 本文研究目的及意义 | 第15页 |
| 1.4 本文研究内容及章节安排 | 第15-17页 |
| 第二章 基于CBR的高速公路突发事件紧急救援决策智能匹配系统 | 第17-25页 |
| 2.1 CBR技术 | 第17-18页 |
| 2.2 案例表示方法研究 | 第18-21页 |
| 2.2.1 案例表示技术综述 | 第18-19页 |
| 2.2.2 基于XML的案例表示方法研究 | 第19页 |
| 2.2.3 高速公路突发事件紧急救援决策智能匹配系统中的案例表示 | 第19-21页 |
| 2.3 案例的检索 | 第21页 |
| 2.4 案例的复用和调整 | 第21-22页 |
| 2.5 案例的学习和保存 | 第22-23页 |
| 2.6 本章小结 | 第23-25页 |
| 第三章 基于相似度的高速公路紧急救援决策智能匹配算法 | 第25-43页 |
| 3.1 智能匹配系统中案例检索方法分析 | 第25页 |
| 3.2 基于相似度的智能匹配算法研究 | 第25-34页 |
| 3.2.1 基于粗糙集理论的特征属性权重计算 | 第25-29页 |
| 3.2.2 多属性相似度计算 | 第29-33页 |
| 3.2.3 结构相似度和整体相似度计算 | 第33-34页 |
| 3.3 案例复用环节中的置信度分析 | 第34-39页 |
| 3.3.1 置信度概念 | 第34页 |
| 3.3.2 置信度指标的确定 | 第34-35页 |
| 3.3.3 决策树分类算法 | 第35-37页 |
| 3.3.4 利用C4.5算法构建高速公路突发事件智能匹配的置信度决策树 | 第37-39页 |
| 3.4 实例分析 | 第39-40页 |
| 3.5 本章小结 | 第40-43页 |
| 第四章 基于结构相似度和朴素Bayes分类相结合的紧急救援决策智能匹配算法 | 第43-51页 |
| 4.1 理论分析 | 第43页 |
| 4.2 Bayes分类理论 | 第43-46页 |
| 4.2.1 分类问题综述 | 第43-44页 |
| 4.2.2 Bayes定理 | 第44页 |
| 4.2.3 Bayes分类器 | 第44-45页 |
| 4.2.4 朴素Bayes分类器 | 第45-46页 |
| 4.3 基于朴素Bayes分类模型的案例匹配算法 | 第46-48页 |
| 4.3.1 高速公路案例库的分类 | 第46页 |
| 4.3.2 建立基于结构相似度与朴素Bayes分类相结合的算法模型 | 第46-47页 |
| 4.3.3 基于结构相似度与朴素Bayes分类相结合的案例匹配算法 | 第47-48页 |
| 4.4 实例分析 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 高速公路突发事件紧急救援决策智能匹配系统的设计与实现 | 第51-67页 |
| 5.1 高速公路突发事件紧急救援决策系统分析设计 | 第51-58页 |
| 5.1.1 高速公路突发事件紧急救援决策系统分析 | 第51-52页 |
| 5.1.2 高速公路突发事件紧急救援决策系统设计 | 第52-55页 |
| 5.1.3 数据库设计 | 第55-58页 |
| 5.2 高速公路突发事件紧急救援决策智能匹配系统的实现 | 第58-63页 |
| 5.2.1 系统的开发环境 | 第58-59页 |
| 5.2.2 基于ASP.NET的Web窗体 | 第59页 |
| 5.2.3 ADO.NET与SQL Server的结合 | 第59-61页 |
| 5.2.4 系统物理架构 | 第61-63页 |
| 5.3 系统实例仿真 | 第63-65页 |
| 5.4 本章小结 | 第65-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 作者在攻读硕士期间发表的论文 | 第75页 |
