基于改进的SVM交通信息融合算法及应用研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-14页 |
| ·研究背景及意义 | 第11页 |
| ·研究技术路线及方法 | 第11-12页 |
| ·论文结构及主要内容 | 第12-14页 |
| 2 文献综述 | 第14-26页 |
| ·高速公路信息化研究现状 | 第14-16页 |
| ·国外研究现状 | 第14-15页 |
| ·国内研究现状 | 第15-16页 |
| ·信息融合技术研究综述 | 第16-23页 |
| ·多源信息融合一般方法 | 第16-18页 |
| ·多源信息融合层次结构 | 第18-19页 |
| ·多源信息融合常用模型 | 第19-21页 |
| ·信息融合系统体系结构 | 第21-23页 |
| ·信息融合技术在交通信息处理中的应用 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 3 高速公路交通监测信息特性分析 | 第26-32页 |
| ·概述 | 第26-27页 |
| ·高速公路交通监测信息调研 | 第27-28页 |
| ·高速公路交通监测信息特性分析 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 4 基于改进的SVM信息融合算法研究 | 第32-46页 |
| ·支持向量机算法 | 第32-39页 |
| ·SVM算法基本思想 | 第32-33页 |
| ·SVM算法计算原理 | 第33-38页 |
| ·核函数及其选择 | 第38-39页 |
| ·SVM算法的优势与不足 | 第39-41页 |
| ·SVM算法的优势 | 第39-40页 |
| ·SVM算法的不足 | 第40-41页 |
| ·SVM算法改进 | 第41-45页 |
| ·SVM改进方法DTM-SVM | 第41-42页 |
| ·DTM-SVM信息融合模型设计 | 第42-43页 |
| ·DTM-SVM信息融合步骤 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 5 基于DTM-SVM的交通信息融合设计研究 | 第46-49页 |
| ·交通信息融合层次结构 | 第46页 |
| ·交通信息融合模型设计 | 第46-47页 |
| ·交通信息融合流程 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 6 DTM-SVM在高速公路交通状态识别中的应用 | 第49-64页 |
| ·问题描述 | 第49-51页 |
| ·高速公路路段交通状态分析 | 第49-51页 |
| ·交通状态识别问题描述 | 第51页 |
| ·高速公路路段交通状态评价体系 | 第51-57页 |
| ·评价体系建立 | 第51-54页 |
| ·评价指标体系涉及交通参数 | 第54-55页 |
| ·交通参数特性分析 | 第55-57页 |
| ·输入量确定 | 第57-58页 |
| ·DTM-SVM信息融合算法实现 | 第58-60页 |
| ·DTM-SVM结构 | 第58页 |
| ·算法步骤 | 第58-59页 |
| ·算法流程图 | 第59-60页 |
| ·算例分析 | 第60-63页 |
| ·测试结果 | 第60-62页 |
| ·核函数分析 | 第62页 |
| ·参数分析 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 7 结论 | 第64-66页 |
| ·主要结论 | 第64页 |
| ·展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 附录 A | 第69-81页 |
| 附录 B | 第81-83页 |
| 作者简历 | 第83-85页 |
| 学位论文数据集 | 第85页 |
