道路线形自动识别方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究意义 | 第10-11页 |
| ·国内外研究现状及发展趋势 | 第11-12页 |
| ·国外研究现状 | 第11页 |
| ·国内研究现状 | 第11-12页 |
| ·发展趋势 | 第12页 |
| ·本文的结构安排 | 第12-14页 |
| 第二章 数据分类算法概述 | 第14-17页 |
| ·数据分类问题特点及算法介绍 | 第14页 |
| ·数据流分类问题特点及算法介绍 | 第14-15页 |
| ·本文采用分类算法依据及特点 | 第15-17页 |
| 第三章 数据分类算法模型构筑 | 第17-27页 |
| ·增量式贝叶斯分类器模型 | 第17-18页 |
| ·LVQ-Boosting算法 | 第18-22页 |
| ·LVQ网络模型 | 第18-19页 |
| ·LVQ网络学习规则 | 第19-20页 |
| ·Boosting算法 | 第20-21页 |
| ·LVQ-Boosting算法 | 第21-22页 |
| ·基于改进的SLFNs路形软测量建模 | 第22-26页 |
| ·一趟聚类 | 第23页 |
| ·SLFNs的改进 | 第23-26页 |
| ·三种算法特点 | 第26-27页 |
| 第四章 数据采集与处理方法 | 第27-32页 |
| ·GPS轨迹数据采集与处理 | 第27-30页 |
| ·数据采集的基本方法及特点 | 第27-29页 |
| ·数据处理 | 第29-30页 |
| ·轨迹变化影响分析 | 第30-32页 |
| 第五章 实验分析进化性研究 | 第32-40页 |
| ·增量式贝叶斯实验 | 第32-34页 |
| ·分析及结果 | 第32-34页 |
| ·小结 | 第34页 |
| ·LVQ-Boosting算法实验 | 第34-37页 |
| ·分类及结果 | 第34-36页 |
| ·小结 | 第36-37页 |
| ·改进的SLFNs路形软测量实验 | 第37-40页 |
| ·测量验证及比较 | 第37-38页 |
| ·小结 | 第38-40页 |
| 第六章 出行者个性出行信息挖掘研究 | 第40-47页 |
| ·数据挖掘平台简介及数据采集 | 第40-41页 |
| ·Weka简介 | 第40页 |
| ·ARFF文件介绍 | 第40页 |
| ·实验数据采集 | 第40-41页 |
| ·出行信息分析 | 第41-42页 |
| ·实验分析 | 第42-46页 |
| ·分类规则 | 第42-44页 |
| ·关联规则 | 第44-45页 |
| ·聚类 | 第45-46页 |
| ·结语 | 第46-47页 |
| 第七章 总结与展望 | 第47-49页 |
| ·全文总结 | 第47页 |
| ·展望 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 攻读硕士学位期间发表的学术论文及科研成果 | 第53页 |
