| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-13页 |
| 1.1.1 研究背景 | 第9-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-16页 |
| 1.3 论文主要工作和结构安排 | 第16-18页 |
| 1.3.1 主要工作 | 第16页 |
| 1.3.2 论文章节安排 | 第16-18页 |
| 第二章 道路违法信息关联挖掘需求分析 | 第18-24页 |
| 2.1 交通违法行为的概念和分类 | 第18-19页 |
| 2.2 我国交通违法行为与对应代码介绍 | 第19-20页 |
| 2.3 数据挖掘工具选用 | 第20-22页 |
| 2.3.1 主流挖掘工具对比 | 第20页 |
| 2.3.2 工具选用 | 第20-22页 |
| 2.4 本章小结 | 第22-24页 |
| 第三章 Apriori算法及改进研究 | 第24-47页 |
| 3.1 关联规则问题描述及基本概念 | 第24-25页 |
| 3.2 Apriori算法 | 第25-33页 |
| 3.2.1 Apriori算法描述 | 第25-27页 |
| 3.2.2 Apriori算法代码实现 | 第27-29页 |
| 3.2.3 算法示例 | 第29-32页 |
| 3.2.4 Apriori算法分析和评价 | 第32-33页 |
| 3.3 改进算法——R_Apriori算法 | 第33-43页 |
| 3.3.1 R_Apriori算法的主要思想 | 第34-36页 |
| 3.3.2 R_Apriori算法的代码实现 | 第36-38页 |
| 3.3.3 R_Apriori算法示例 | 第38-42页 |
| 3.3.4 R_Apriori算法分析与评价 | 第42-43页 |
| 3.4 仿真实验分析 | 第43-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 R_Apriori算法在道路交通违法数据应用实例分析 | 第47-59页 |
| 4.1 数据预处理 | 第47-48页 |
| 4.2 交通违法数据预处理及分析 | 第48-50页 |
| 4.2.1 交通违法数据选取及预处理 | 第48-49页 |
| 4.2.2 交通违法信息属性归类 | 第49-50页 |
| 4.3 R_Apriori算法在交通违法数据中的应用 | 第50-57页 |
| 4.3.1 多属性与违法行为之间的关联分析 | 第52-56页 |
| 4.3.2 多属性组合与违法行为之间的关联分析 | 第56-57页 |
| 4.4 实例结果分析 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 总结与展望 | 第59-61页 |
| 研究总结 | 第59页 |
| 研究展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间取得的研究成果 | 第65-66页 |
| 致谢 | 第66页 |