| 摘 要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪 论 | 第10-20页 |
| ·本文选题的依据及其意义 | 第10-11页 |
| ·数据挖掘概论 | 第11-18页 |
| ·数据挖掘的发展概况 | 第11-13页 |
| ·数据挖掘的任务 | 第13-14页 |
| ·数据挖掘和其它相近分析技术的区别 | 第14-16页 |
| ·数据挖掘研究趋势分析 | 第16-18页 |
| ·数据挖掘、神经网络与预测 | 第18-20页 |
| ·神经网络在数据挖掘中的地位和作用 | 第18页 |
| ·预测与神经网络、数据挖掘的关系 | 第18-20页 |
| 第二章 数据挖掘的过程及其神经网络挖掘方法 | 第20-32页 |
| ·Fayyad过程模型与CRISP－DM过程模型 | 第20-23页 |
| ·Fayyad过程模型及其存在问题分析 | 第20-22页 |
| ·Fayyad过程模型的改进和CRISP－DM过程模型 | 第22-23页 |
| ·神经网络挖掘方法概论 | 第23-32页 |
| ·数据挖掘四类方法 | 第23-26页 |
| ·神经网络技术发展历程 | 第26-27页 |
| ·神经网络特征分析 | 第27页 |
| ·神经网络应用过程 | 第27页 |
| ·神经网络的学习 | 第27-30页 |
| ·学习与自适应 | 第30-32页 |
| 第三章 用于数据挖掘的前向型神经网络模型 | 第32-46页 |
| ·BP神经网络研究及其改进 | 第32-41页 |
| ·BP神经网络原理 | 第32-39页 |
| ·对BP网络的评价及其改进 | 第39-41页 |
| ·基于线性独立的函数组的广义前向型神经网络 | 第41-46页 |
| ·智能神经元模型的构建 | 第42-45页 |
| ·广义前向型神经网络的模型及其学习算法 | 第45-46页 |
| 第四章 前向型神经网络在交通流时序预测中的应用 | 第46-68页 |
| ·神经网络与智能交通系统 | 第46-49页 |
| ·智能交通的概念及体系结构 | 第46页 |
| ·神经网络在交通运输领域中的应用 | 第46-49页 |
| ·前向型神经网络的设计及其在战略交通流时序预测中的应用 | 第49-57页 |
| ·交通流时序预测模型的建立 | 第49-52页 |
| ·网络权值和阀值初始化对训练和预测结果的影响 | 第52-55页 |
| ·网络结构对预测结果的影响 | 第55-57页 |
| ·基于改进BP网络的战略交通流动态时序预测算法 | 第57-65页 |
| ·改进BP网络的交通流动态时序预测算法 | 第58-61页 |
| ·实验仿真算例及结果 | 第61-65页 |
| ·基于广义神经网络的短期交通流动态时序预测方法 | 第65-68页 |
| ·智能神经元模型与广义神经网络的构建 | 第65-66页 |
| ·交通流预测模型与实例分析 | 第66-68页 |
| 结 论 | 第68-70页 |
| 致 谢 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 个人简介 | 第76页 |