| 附件 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 目录 | 第10-12页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 项目研究背景 | 第12-14页 |
| 1.2 课题的目的和意义 | 第14页 |
| 1.3 国内外研究现状 | 第14-15页 |
| 1.4 数据挖掘的概述 | 第15-19页 |
| 1.5 本文的工作和结构 | 第19-20页 |
| 第二章 交通事故的影响因素及数据采集 | 第20-34页 |
| 2.1 交通事故的属性 | 第20-21页 |
| 2.2 道路交通事故的影响因素 | 第21-30页 |
| 2.2.1 宏观因素 | 第22-23页 |
| 2.2.2 微观因素 | 第23-29页 |
| 2.2.3 交通安全保障 | 第29-30页 |
| 2.3 国内外道路交通事故数据采集现状 | 第30-33页 |
| 2.3.1 国外数据采集现状 | 第30-31页 |
| 2.3.2 国内数据采集现状 | 第31-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 建立多维交通事故数据仓库（M-DDW） | 第34-49页 |
| 3.1 数据仓库简介 | 第34-35页 |
| 3.2 数据仓库的数据模型 | 第35-37页 |
| 3.2.1 星形模型 | 第35-36页 |
| 3.2.2 雪花模型 | 第36-37页 |
| 3.3 多维数据仓库（M-DDW）设计 | 第37-48页 |
| 3.3.1 需求分析 | 第37-38页 |
| 3.3.2 概念模型设计 | 第38-42页 |
| 3.3.3 逻辑模型设计 | 第42-46页 |
| 3.3.4 物理模型设计 | 第46-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 基于 M-DDW 的关联规则挖掘算法改进 | 第49-61页 |
| 4.1 关联规则挖掘简介 | 第49-51页 |
| 4.2 关联规则挖掘经典算法-Apriori 算法 | 第51-55页 |
| 4.2.1 找出频繁项集 | 第51-54页 |
| 4.2.2 关联规则的生成 | 第54-55页 |
| 4.3 关联规则挖掘推广 | 第55-56页 |
| 4.4 基于 M-DDW 的 Apriori 算法的改进 | 第56-60页 |
| 4.4.1 多维数据属性的预处理 | 第56-57页 |
| 4.4.2 多维 Apriori（M-DA）算法 | 第57-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 系统设计和实验 | 第61-70页 |
| 5.1 系统平台设计 | 第61-64页 |
| 5.1.1 软件开发环境 | 第61页 |
| 5.1.2 系统平台的实现 | 第61-64页 |
| 5.2 数据分析结果 | 第64-69页 |
| 5.2.1 指定维度的统计分析结果 | 第64-66页 |
| 5.2.2 基于 M-DA 算法的事故因素关联规则输出 | 第66-67页 |
| 5.2.3 输出结果分析 | 第67-69页 |
| 5.3 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-71页 |
| 6.1 总结 | 第70页 |
| 6.2 展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 攻读硕士学位期间已发表或录用的论文 | 第76页 |
