| 详细摘要 | 第2-9页 |
| 摘要 | 第9-10页 |
| Abstract | 第10-11页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 课题相关背景及意义 | 第14-17页 |
| 1.2 课题相关领域发展现状 | 第17-21页 |
| 1.2.1 粒计算在交通领域的研究现状 | 第17-18页 |
| 1.2.2 交通数据预测的研究现状 | 第18-21页 |
| 1.3 论文主要工作 | 第21-22页 |
| 1.4 论文的组织结构 | 第22-24页 |
| 第二章 相关理论基础 | 第24-33页 |
| 2.1 粒计算概述 | 第24-25页 |
| 2.1.1 粒计算的三层结构 | 第24页 |
| 2.1.2 粒计算的基本问题 | 第24-25页 |
| 2.2 粗糙集理论 | 第25-28页 |
| 2.2.1 知识表达系统 | 第25-26页 |
| 2.2.2 近似集及其性质 | 第26-27页 |
| 2.2.3 粗糙集近似度量方法 | 第27-28页 |
| 2.3 模糊集理论 | 第28-29页 |
| 2.3.1 模糊集的定义 | 第28页 |
| 2.3.2 模糊集的表示 | 第28-29页 |
| 2.4 支持向量相关理论 | 第29-32页 |
| 2.4.1 基于分类的支持向量机 | 第29-30页 |
| 2.4.2 基于回归的支持向量机 | 第30-31页 |
| 2.4.3 核函数 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 公交客流量数据分析 | 第33-41页 |
| 3.1 公交客流数据采集方法 | 第33-34页 |
| 3.2 实验数据来源及数据结构 | 第34-36页 |
| 3.3 影响客流量因素分析 | 第36-39页 |
| 3.3.1 乘车人群类型及线路自身特性 | 第36-38页 |
| 3.3.2 节假日因素 | 第38-39页 |
| 3.3.3 天气因素 | 第39页 |
| 3.4 公交客流量的特性总结 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于粗糙集和支持向量机的公交客流量预测 | 第41-61页 |
| 4.1 基于粗糙集的属性约简 | 第41-44页 |
| 4.1.1 基于粗糙集的属性约简原理 | 第41-43页 |
| 4.1.2 属性重要度 | 第43页 |
| 4.1.3 属性约简算法 | 第43-44页 |
| 4.2 建立支持向量机回归预测模型 | 第44-48页 |
| 4.2.1 参数选择 | 第45-46页 |
| 4.2.2 支持向量机预测流程 | 第46-48页 |
| 4.3 基于粗糙集和SVM的组合预测模型 | 第48-49页 |
| 4.4 基于粗糙集和SVM的客流量预测仿真实验 | 第49-60页 |
| 4.4.1 数据预处理 | 第49-53页 |
| 4.4.2 仿真实验 | 第53-55页 |
| 4.4.3 实验结果分析 | 第55-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 基于模糊粒化和支持向量机的公交客流量趋势预测 | 第61-69页 |
| 5.1 基于模糊集的信息粒化模型 | 第61-62页 |
| 5.2 基于信息粒化的SVM预测模型 | 第62-63页 |
| 5.3 基于模糊粒化和SVM的客流量趋势预测仿真实验 | 第63-67页 |
| 5.3.1 数据预处理 | 第63-64页 |
| 5.3.2 仿真实验 | 第64-65页 |
| 5.3.3 实验结果分析 | 第65-67页 |
| 5.4 本章小结 | 第67-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 本文工作总结 | 第69-70页 |
| 6.2 未来展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 附录 | 第76页 |