基于AML-BP算法的出行方式识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第13-18页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.1.1 课题背景 | 第13-14页 |
| 1.1.2 课题意义 | 第14页 |
| 1.2 研究问题的提出 | 第14-15页 |
| 1.3 论文的主要内容及贡献 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 2 出行方式识别研究方案 | 第18-26页 |
| 2.1 出行数据的采集 | 第18-19页 |
| 2.1.1 出行数据的采集 | 第18页 |
| 2.1.2 采集的数据类型 | 第18-19页 |
| 2.2 出行数据的特征选择 | 第19-21页 |
| 2.2.1 出行方式识别中用到的速度特征 | 第20页 |
| 2.2.2 出行方式识别中用到的加速度特征 | 第20-21页 |
| 2.3 出行方式识别的方法选择 | 第21-23页 |
| 2.4 出行方式识别整体设计 | 第23-26页 |
| 2.4.1 出行方式识别研究整体流程 | 第23-25页 |
| 2.4.2 出行方式识别应用技术架构图 | 第25-26页 |
| 3 出行训练数据的采集 | 第26-32页 |
| 3.1 出行训练数据采集流程设计 | 第26-28页 |
| 3.2 出行数据采集APP的开发 | 第28-29页 |
| 3.3 出行数据整理与汇总 | 第29-32页 |
| 3.3.1 出行数据的采集 | 第29-30页 |
| 3.3.2 出行数据预处理 | 第30-32页 |
| 4 出行方式特征的选取 | 第32-41页 |
| 4.1 出行方式分析 | 第32-34页 |
| 4.1.1 出行方式的速度分析 | 第32-34页 |
| 4.1.2 出行方式的加速度分析 | 第34页 |
| 4.2 出行方式特征的选择 | 第34-41页 |
| 4.2.1 速度特征的选择 | 第34-37页 |
| 4.2.2 加速度特征的选择 | 第37-41页 |
| 5 AML-BP出行方式识别算法 | 第41-52页 |
| 5.1 BP神经网络 | 第41-45页 |
| 5.1.1 BP神经网络模型 | 第41-42页 |
| 5.1.2 BP神经网络数学推导 | 第42-45页 |
| 5.2 AML-BP出行方式识别算法的提出 | 第45-47页 |
| 5.2.1 BP神经网络学习率的改进 | 第46-47页 |
| 5.2.2 BP神经网络动量的改进 | 第47页 |
| 5.3 AML-BP出行方式识别算法的测试 | 第47-50页 |
| 5.4 相关出行方式识别方案的对比试验 | 第50-52页 |
| 5.4.1 出行方式识别算法对比实验方法及步骤 | 第50-51页 |
| 5.4.2 出行方式进行识别算法的实验结果分析 | 第51-52页 |
| 6 出行方式识别应用的设计与实现 | 第52-69页 |
| 6.1 出行方式识别应用系统需求分析 | 第52-54页 |
| 6.2 出行方式识别应用系统设计 | 第54-60页 |
| 6.3 出行方式识别应用的实现 | 第60-69页 |
| 6.3.1 系统开发环境 | 第60-61页 |
| 6.3.2 客户端的实现 | 第61-67页 |
| 6.3.3 服务器端的实现 | 第67-69页 |
| 7 总结与展望 | 第69-71页 |
| 7.1 本文工作总结 | 第69-70页 |
| 7.2 展望 | 第70-71页 |
| 参考文献 | 第71-73页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第73-74页 |
| 致谢 | 第74页 |
