| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题背景 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.2.1 车联网的研究现状 | 第12-13页 |
| 1.2.2 数据挖掘的研究现状 | 第13-14页 |
| 1.2.3 数据挖掘在车联网中的研究现状 | 第14页 |
| 1.3 本文研究内容 | 第14-16页 |
| 1.4 本文结构 | 第16页 |
| 1.5 本章小结 | 第16-17页 |
| 第2章 车联网中基于视频的车牌识别技术 | 第17-29页 |
| 2.1 基于视频识别的车联网系统结构 | 第17-18页 |
| 2.2 车联网中基于视频的车辆定位方法框架介绍 | 第18-22页 |
| 2.2.1 车辆检测方法介绍 | 第19页 |
| 2.2.2 车牌定位方法介绍 | 第19-20页 |
| 2.2.3 车牌字符分割方法介绍 | 第20-21页 |
| 2.2.4 车牌字符识别方法介绍 | 第21-22页 |
| 2.3 车联网中基于视频的车牌识别实验结果 | 第22-28页 |
| 2.3.1 车牌定位实验结果 | 第23-25页 |
| 2.3.2 车牌字符分割实验结果 | 第25-26页 |
| 2.3.3 车牌字符识别实验结果 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 车联网中的数据挖掘技术 | 第29-34页 |
| 3.1 数据挖掘的一般过程 | 第29-31页 |
| 3.2 数据挖掘在车联网中的应用 | 第31-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第4章 基于C4.5算法的公路拥堵预测 | 第34-46页 |
| 4.1 交通拥堵指数简介 | 第34-35页 |
| 4.2 杭州市交通拥堵情况简介 | 第35-37页 |
| 4.3 车联网中交通拥堵指数的计算 | 第37-38页 |
| 4.4 C4.5算法实现公路拥堵预测 | 第38-45页 |
| 4.4.1 C4.5算法概要 | 第41-43页 |
| 4.4.2 C4.5算法实验结果 | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 基于DBSCAN算法对车辆轨迹数据的聚类分析 | 第46-58页 |
| 5.1 聚类分析简介 | 第46-48页 |
| 5.2 DBSCAN算法介绍 | 第48-50页 |
| 5.3 轨迹数据的结构化表示和轨迹相似度定义 | 第50-55页 |
| 5.3.1 轨迹数据的结构化表示 | 第50-52页 |
| 5.3.2 轨迹相似度定义 | 第52-55页 |
| 5.4 DBSCAN算法实现车辆轨迹数据的聚类分析 | 第55-57页 |
| 5.4.1 车辆轨迹数据准备 | 第55-56页 |
| 5.4.2 DBSCAN算法实验结果 | 第56-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-60页 |
| 6.1 工作总结 | 第58-59页 |
| 6.2 工作展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间主要的研究成果 | 第64-65页 |
| 致谢 | 第65页 |