| 中文摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 研究现状及存在的问题 | 第11-12页 |
| 1.3 本文结构安排 | 第12-13页 |
| 第2章 移动对象轨迹预测 | 第13-19页 |
| 2.1 移动对象轨迹 | 第13-14页 |
| 2.1.1 移动对象 | 第13页 |
| 2.1.2 移动对象特性 | 第13页 |
| 2.1.3 移动对象轨迹定义 | 第13页 |
| 2.1.4 轨迹数据 | 第13-14页 |
| 2.2 轨迹预测技术 | 第14-18页 |
| 2.2.1 轨迹数据预处理技术 | 第14-15页 |
| 2.2.2 轨迹聚类技术 | 第15页 |
| 2.2.3 轨迹建模技术 | 第15-16页 |
| 2.2.4 移动对象轨迹预测方法 | 第16-18页 |
| 2.3 本章小结 | 第18-19页 |
| 第3章 基于K近邻与BP神经网络模型的井下对象轨迹预测 | 第19-26页 |
| 3.1 引言 | 第19页 |
| 3.2 相关算法 | 第19-21页 |
| 3.2.1 K近邻算法 | 第19-20页 |
| 3.2.2 BP神经网络算法 | 第20-21页 |
| 3.3 K近邻-BP神经网络预测模型 | 第21-23页 |
| 3.3.1 预测流程 | 第21-22页 |
| 3.3.2 预测算法描述 | 第22-23页 |
| 3.4 实验结果与分析 | 第23-25页 |
| 3.5 本章小节 | 第25-26页 |
| 第4章 基于改进Subsyn算法的轨迹目的地预测 | 第26-40页 |
| 4.1 引言 | 第26页 |
| 4.2 支持向量机与Subsyn算法 | 第26-34页 |
| 4.2.1 支持向量机简介 | 第26-31页 |
| 4.2.2 Subsyn算法 | 第31-34页 |
| 4.3 改进的Subsyn算法 | 第34-37页 |
| 4.4 实验结果与分析 | 第37-39页 |
| 4.5 本章小结 | 第39-40页 |
| 第5章 总结与展望 | 第40-42页 |
| 5.1 总结 | 第40页 |
| 5.2 展望 | 第40-42页 |
| 参考文献 | 第42-46页 |
| 攻读硕士学位期间获奖情况 | 第46-47页 |
| 致谢 | 第47-48页 |