| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题背景和课题意义 | 第8-9页 |
| 1.1.1 课题背景 | 第8-9页 |
| 1.1.2 课题意义 | 第9页 |
| 1.2 时间序列数据挖掘技术及其交通流预测技术的现状 | 第9-12页 |
| 1.2.1 时间序列数据挖掘技术的现状 | 第9-11页 |
| 1.2.2 交通流预测技术的现状 | 第11-12页 |
| 1.3 本文的主要研究结果 | 第12-13页 |
| 1.4 本文结构安排 | 第13-14页 |
| 第2章 时间序列分析 | 第14-20页 |
| 2.1 时间序列模型 | 第14-16页 |
| 2.2 新型的时间序列分析方法 | 第16-18页 |
| 2.2.1 神经网络技术 | 第16-17页 |
| 2.2.2 混沌动力学方法 | 第17-18页 |
| 2.3 时序技术分析 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第3章 数据挖掘与时序数据挖掘研究 | 第20-28页 |
| 3.1 数据挖掘 | 第20-24页 |
| 3.1.1 数据挖掘的产生背景和定义 | 第20-22页 |
| 3.1.2 数据挖掘的预处理 | 第22页 |
| 3.1.3 数据挖掘的一般过程 | 第22-23页 |
| 3.1.4 数据挖掘的主要技术 | 第23-24页 |
| 3.2 时序数据挖掘研究 | 第24-27页 |
| 3.2.1 时态数据挖掘概述 | 第24页 |
| 3.2.2 时态数据挖掘的分类 | 第24-26页 |
| 3.2.3 时间序列数据挖掘 | 第26-27页 |
| 3.3 本章小结 | 第27-28页 |
| 第4章 时间序列特征模式挖掘TSFPM | 第28-41页 |
| 4.1 时间序列特征模式概念 | 第28-31页 |
| 4.1.1 时间序列挖掘思路 | 第28页 |
| 4.1.2 时间序列模式的选择与评价 | 第28-31页 |
| 4.2 时间序列数据符号化 | 第31-36页 |
| 4.2.1 时间序列线段描述 | 第31-34页 |
| 4.2.2 聚类与符号化 | 第34-36页 |
| 4.3 时间序列特征模式挖掘框架 | 第36-40页 |
| 4.3.1 时间序列特征模式的含义 | 第36页 |
| 4.3.2 特征模式挖掘算法 | 第36-38页 |
| 4.3.3 特征模式规则生成 | 第38-39页 |
| 4.3.4 基于规则的预测 | 第39-40页 |
| 4.3.5 TSFPM 框架示意图 | 第40页 |
| 4.4 本章小结 | 第40-41页 |
| 第5章 基于TSFPM 框架的交通流预测研究 | 第41-46页 |
| 5.1 研究对象介绍 | 第41页 |
| 5.2 算法验证与参数影响 | 第41-46页 |
| 总结与展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 攻读学位期间发表的学术论文 | 第52-53页 |
| 致谢 | 第53页 |