| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·课题研究背景 | 第8-9页 |
| ·国内外电梯交通模式识别的研究现状 | 第9-10页 |
| ·贝叶斯网络的优点及应用 | 第10-12页 |
| ·贝叶斯网络的优点 | 第10页 |
| ·贝叶斯网络的应用 | 第10-12页 |
| ·本文的主要目的、内容与技术路线 | 第12-14页 |
| ·本文研究的目的 | 第12页 |
| ·本文研究的主要内容 | 第12页 |
| ·本文研究的技术路线 | 第12-14页 |
| 2 贝叶斯网络的理论基础 | 第14-23页 |
| ·基本概念与贝叶斯定理 | 第14-16页 |
| ·贝叶斯网络的理论基础 | 第16-21页 |
| ·贝叶斯网络的定义 | 第16-18页 |
| ·贝叶斯网络的公式 | 第18-19页 |
| ·贝叶斯网络的性质 | 第19页 |
| ·贝叶斯网络的构造 | 第19-21页 |
| ·一个贝叶斯网络的模型实例 | 第21-22页 |
| ·小结 | 第22-23页 |
| 3 基于集成的分类器增量学习方法的介绍 | 第23-41页 |
| ·增量学习及概念漂移现象 | 第23-28页 |
| ·增量学习的意义及方法 | 第23-25页 |
| ·概念漂移 | 第25-28页 |
| ·贝叶斯分类器 | 第28-29页 |
| ·最大后验假设与最大似然假设 | 第28-29页 |
| ·贝叶斯分类器及其优化 | 第29页 |
| ·朴素贝叶斯分类器 | 第29-33页 |
| ·朴素贝叶斯分类器模型的建立 | 第29-31页 |
| ·朴素贝叶斯分类的工作过程 | 第31-32页 |
| ·朴素贝叶斯分类的提升 | 第32-33页 |
| ·基于集成的朴素贝叶斯分类器增量学习算法 | 第33-40页 |
| ·增量式朴素贝叶斯分类模型 | 第33-36页 |
| ·增量序列学习策略的选择及其存在的问题 | 第36-37页 |
| ·一种新的增量序列学习算法介绍 | 第37-40页 |
| ·算法原理分析 | 第40页 |
| ·小结 | 第40-41页 |
| 4 基于增量式朴素贝叶斯分类器的电梯交通模式识别模型的构建 | 第41-49页 |
| ·电梯交通模式识别模型的构建 | 第41-45页 |
| ·电梯交通流的基本模式 | 第42-44页 |
| ·电梯交通流特征提取和数据预处理 | 第44-45页 |
| ·增量式朴素贝叶斯的电梯交通流模式分类器的设计 | 第45-47页 |
| ·电梯交通流数据的增量式朴素贝叶斯分析计算 | 第47-48页 |
| ·小结 | 第48-49页 |
| 5 增量式朴素贝叶斯分类器在电梯交通模式识别中的应用 | 第49-51页 |
| ·分类的实现 | 第49-50页 |
| ·仿真数据的采集 | 第49页 |
| ·实验验证 | 第49-50页 |
| ·与模糊神经网络的电梯交通模式识别方法的比较 | 第50页 |
| ·小结 | 第50-51页 |
| 6 总结与展望 | 第51-53页 |
| ·总结 | 第51页 |
| ·后续工作展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 附录 | 第57-62页 |
| A. 样本部分原始数据 | 第57-61页 |
| B. 分类预测结果 | 第61-62页 |
| C. 作者在攻读学位期间发表的论文目录 | 第62页 |