| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-15页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 车辆行驶状态判别的研究现状 | 第10-12页 |
| 1.3 论文研究目标及内容 | 第12-13页 |
| 1.4 论文章节安排 | 第13-15页 |
| 2 车辆行驶状态判别相关理论分析 | 第15-31页 |
| 2.1 车辆行驶轨迹处理 | 第15-18页 |
| 2.1.1 轨迹的表达方式 | 第15页 |
| 2.1.2 轨迹的预处理 | 第15-16页 |
| 2.1.3 轨迹特征参数提取 | 第16-18页 |
| 2.2 HMM基本理论 | 第18-22页 |
| 2.2.1 HMM数学定义 | 第18-19页 |
| 2.2.2 HMM拓扑结构及初始状态 | 第19-21页 |
| 2.2.3 Baum-Welch训练算法 | 第21-22页 |
| 2.3 GA基本理论 | 第22-29页 |
| 2.3.1 GA简介 | 第22-27页 |
| 2.3.2 GA操作过程 | 第27-29页 |
| 2.4 AGA基本理论 | 第29-30页 |
| 2.4.1 AGA简介 | 第29页 |
| 2.4.2 AGA操作过程 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 3 基于HMM的车辆行驶状态实时判别方法 | 第31-45页 |
| 3.1 引言 | 第31-32页 |
| 3.2 HMM观察值序列的生成 | 第32-34页 |
| 3.3 基于Baum-Welch算法的HMM轨迹模式训练 | 第34-35页 |
| 3.4 车辆行驶状态实时判别过程 | 第35-36页 |
| 3.5 实验结果及分析 | 第36-44页 |
| 3.6 本章小结 | 第44-45页 |
| 4 基于BPD-AGA的HMM训练模型 | 第45-60页 |
| 4.1 引言 | 第45页 |
| 4.2 GA参数自适应变化相关性分析 | 第45-46页 |
| 4.3 混合种群多样性 | 第46-48页 |
| 4.4 基于混合种群多样性的AGA操作 | 第48-50页 |
| 4.4.1 自适应锦标赛选择操作 | 第48-49页 |
| 4.4.2 自适应交叉操作和变异操作 | 第49-50页 |
| 4.5 HMM训练 | 第50-54页 |
| 4.5.1 遗传染色体编码 | 第50-52页 |
| 4.5.2 训练过程 | 第52-54页 |
| 4.6 模型在车辆行驶状态实时判别中的应用 | 第54-56页 |
| 4.6.1 HMM轨迹模式训练过程 | 第54-56页 |
| 4.6.2 车辆行驶状态实时判别过程 | 第56页 |
| 4.7 实验对比及分析 | 第56-59页 |
| 4.8 本章小结 | 第59-60页 |
| 5 基于BPD-AGA/Baum-Welch的HMM训练模型 | 第60-68页 |
| 5.1 引言 | 第60页 |
| 5.2 BPD-AGA/Baum-Welch混合算法 | 第60-61页 |
| 5.3 HMM训练 | 第61-62页 |
| 5.4 模型在车辆行驶状态实时判别中的应用 | 第62-63页 |
| 5.5 实验对比及分析 | 第63-66页 |
| 5.6 本章小结 | 第66-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间发表学术论文情况 | 第74-75页 |
| 致谢 | 第75页 |
