| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第7-13页 |
| 1.1 交通状态判别的意义 | 第7-8页 |
| 1.2 基于数据挖掘技术的交通状态判别算法研究现状 | 第8-11页 |
| 1.3 论文的研究内容及论文结构 | 第11-13页 |
| 2 数据挖掘技术简介 | 第13-28页 |
| 2.1 数据挖掘技术简介 | 第13-19页 |
| 2.1.1 聚类分析 | 第14-15页 |
| 2.1.2 决策树算法 | 第15-19页 |
| 2.2 数据预处理技术 | 第19-23页 |
| 2.2.1 数据清洗 | 第19-20页 |
| 2.2.2 数据集成 | 第20-21页 |
| 2.2.3 数据转换 | 第21-22页 |
| 2.2.4 数据归约 | 第22-23页 |
| 2.3 数据不均衡问题 | 第23-27页 |
| 2.3.1 欠采样 | 第24-25页 |
| 2.3.2 过采样 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 基于集对分析的交通状态判别 | 第28-40页 |
| 3.1 交通流数据分析与处理 | 第28-35页 |
| 3.2 集对分析算法简介 | 第35-36页 |
| 3.3 基于集对分析算法的交通状态判别 | 第36-39页 |
| 3.4 本章小结 | 第39-40页 |
| 4 基于随机森林算法的交通状态判别 | 第40-46页 |
| 4.1 随机森林算法简介 | 第40-42页 |
| 4.2 基于随机森林算法的交通状态判别 | 第42-45页 |
| 4.3 本章小结 | 第45-46页 |
| 5 不均衡类别数据的处理 | 第46-61页 |
| 5.1 欠采样处理 | 第46-49页 |
| 5.2 过采样处理 | 第49-57页 |
| 5.3 集对分析与随机森林对比 | 第57-60页 |
| 5.4 本章小结 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 总结 | 第61-62页 |
| 展望 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间发表的学术论文目录 | 第66-67页 |