| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景和意义 | 第8-9页 |
| ·研究现状 | 第9-11页 |
| ·研究内容 | 第11页 |
| ·论文结构 | 第11-13页 |
| 第二章 相关工作及进化计算模型设计 | 第13-30页 |
| ·交叉口数据挖掘相关应用 | 第13-16页 |
| ·道路交通数据挖掘理论分析 | 第13-14页 |
| ·交叉口交通流数据处理分析 | 第14-16页 |
| ·聚类算法 | 第16-21页 |
| ·聚类算法功能性 | 第16-17页 |
| ·常见聚类算法分析 | 第17-18页 |
| ·K-means算法分析 | 第18-20页 |
| ·基于密度的聚类算法分析 | 第20-21页 |
| ·进化计算 | 第21-27页 |
| ·进化计算研究现状 | 第21-22页 |
| ·遗传算法分析 | 第22-24页 |
| ·粒子群算法分析 | 第24-27页 |
| ·面向交叉口交通流聚类的进化计算模型设计 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于遗传算法的交叉口交通流K-means聚类优化 | 第30-42页 |
| ·引言 | 第30页 |
| ·基于遗传算法的交叉口交通流K-means聚类优化设计 | 第30-34页 |
| ·交叉算子改进算法设计 | 第31-32页 |
| ·基于遗传算法的K-means聚类算法设计 | 第32-34页 |
| ·适应度函数和评价函数设计 | 第34-35页 |
| ·适应度函数 | 第34页 |
| ·评价函数 | 第34-35页 |
| ·实验评估与分析 | 第35-41页 |
| ·交叉口交通流数据处理过程 | 第35-36页 |
| ·实验数据集描述 | 第36-37页 |
| ·评价准则 | 第37页 |
| ·实验结果分析 | 第37-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于粒子群算法的交叉口交通流密度聚类优化 | 第42-55页 |
| ·引言 | 第42页 |
| ·基于密度的交叉口交通流聚类改进 | 第42-45页 |
| ·核心距离和可达距离 | 第42-43页 |
| ·基于密度的聚类改进算法设计 | 第43-45页 |
| ·基于粒子群算法的交叉口交通流密度聚类优化设计 | 第45-50页 |
| ·噪声孤立点选取 | 第45-46页 |
| ·基于核心对象和可达距离的初始聚类中心选取 | 第46-47页 |
| ·粒子群算法惯性因子确定 | 第47页 |
| ·适应度函数设计 | 第47-48页 |
| ·基于粒子群算法的交叉口交通流密度聚类优化框架设计 | 第48-50页 |
| ·实验评估与分析 | 第50-54页 |
| ·数据集描述 | 第50页 |
| ·评价准则 | 第50页 |
| ·实验结果分析 | 第50-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 工作总结及展望 | 第55-57页 |
| ·工作总结 | 第55页 |
| ·研究展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第60-61页 |
| 附录2 攻读硕士学位期间申请的专利 | 第61-62页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第62-63页 |
| 致谢 | 第63页 |
