| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 高速公路异常行为研究 | 第12-13页 |
| 1.2.2 数据挖掘在高速公路的应用 | 第13-14页 |
| 1.3 课题研究内容 | 第14页 |
| 1.4 论文结构 | 第14-16页 |
| 第二章 相关理论与技术 | 第16-26页 |
| 2.1 高速公路收费数据概况 | 第16-19页 |
| 2.1.1 数据维度划分 | 第16-17页 |
| 2.1.2 典型的异常行为 | 第17-19页 |
| 2.2 异常检测算法 | 第19-22页 |
| 2.2.1 基于统计的异常检测 | 第21页 |
| 2.2.2 基于距离的异常检测 | 第21页 |
| 2.2.3 基于聚类的异常检测 | 第21页 |
| 2.2.4 基于密度的异常检测 | 第21-22页 |
| 2.3 特征工程 | 第22-23页 |
| 2.3.1 数据预处理 | 第22页 |
| 2.3.2 特征选择 | 第22-23页 |
| 2.3.3 特征提取 | 第23页 |
| 2.3.4 特征构建 | 第23页 |
| 2.4 关联规则算法 | 第23-25页 |
| 2.4.1 关联规则的定义 | 第23-24页 |
| 2.4.2 关联规则的分类 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 高速公路收费数据预处理技术研究 | 第26-40页 |
| 3.1 引言 | 第26页 |
| 3.2 高速公路收费数据特点 | 第26-27页 |
| 3.2.1 数据来源 | 第26-27页 |
| 3.2.2 数据特点 | 第27页 |
| 3.3 数据预处理方法 | 第27-31页 |
| 3.3.1 数据清洗 | 第28-30页 |
| 3.3.2 维度规约 | 第30-31页 |
| 3.4 基于密度峰值的特征选择算法 | 第31-39页 |
| 3.4.1 特征度量指标 | 第32-34页 |
| 3.4.2 基于密度峰值的MDPC算法 | 第34-36页 |
| 3.4.3 实验结果与分析 | 第36-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 高速公路数据异常检测算法研究 | 第40-53页 |
| 4.1 引言 | 第40页 |
| 4.2 DBSCAN算法介绍 | 第40-43页 |
| 4.2.1 基本概念 | 第41-42页 |
| 4.2.2 算法流程 | 第42页 |
| 4.2.3 算法的优缺点 | 第42-43页 |
| 4.3 基于K-Means的 DBSCAN参数自适应算法 | 第43-45页 |
| 4.3.1 算法总体思想 | 第43页 |
| 4.3.2 自适应聚类数目的K-Means算法 | 第43-45页 |
| 4.3.3 K-Means确定DBSCAN的参数 | 第45页 |
| 4.4 改进邻域查询方式的NDBSCAN算法 | 第45-48页 |
| 4.4.1 算法改进思想 | 第46-47页 |
| 4.4.2 算法流程 | 第47-48页 |
| 4.5 实验结果与分析 | 第48-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章 高速公路异常行为规则挖掘算法研究 | 第53-64页 |
| 5.1 引言 | 第53页 |
| 5.2 关联规则算法介绍 | 第53-56页 |
| 5.2.1 Apriori算法 | 第53-54页 |
| 5.2.2 Eclat算法 | 第54-56页 |
| 5.3 Eclat的剪枝优化方法 | 第56-57页 |
| 5.3.1 算法思想 | 第56-57页 |
| 5.3.2 算法流程 | 第57页 |
| 5.4 引入兴趣度的ItEclat算法 | 第57-59页 |
| 5.4.1 典型的兴趣度模型 | 第57-58页 |
| 5.4.2 新的兴趣度模型 | 第58-59页 |
| 5.4.3 案例分析 | 第59页 |
| 5.5 实验结果与分析 | 第59-63页 |
| 5.6 本章小结 | 第63-64页 |
| 第六章 高速公路异常行为分析系统实现 | 第64-71页 |
| 6.1 系统介绍 | 第64-65页 |
| 6.1.1 系统目标和实现 | 第64页 |
| 6.1.2 开发运行环境 | 第64-65页 |
| 6.2 系统总体设计 | 第65-66页 |
| 6.2.1 系统总体流程 | 第65页 |
| 6.2.2 系统总体架构 | 第65-66页 |
| 6.3 系统功能模块设计 | 第66-69页 |
| 6.3.1 数据管理模块 | 第67-68页 |
| 6.3.2 数据分析模块 | 第68页 |
| 6.3.3 结果展示模块 | 第68-69页 |
| 6.4 系统可视化展示 | 第69-70页 |
| 6.5 本章小结 | 第70-71页 |
| 第七章 总结与展望 | 第71-73页 |
| 7.1 总结 | 第71页 |
| 7.2 展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间取得的成果 | 第78页 |