基于字典学习的车辆交通真实性评价模型
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 基于数据统计的方法 | 第13页 |
| 1.2.2 基于信息熵的方法 | 第13-14页 |
| 1.3 本文工作 | 第14页 |
| 1.4 本文章节安排 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第2章 字典学习理论基础 | 第16-25页 |
| 2.1 引言 | 第16-17页 |
| 2.2 稀疏表示理论 | 第17-23页 |
| 2.2.1 稀疏表示 | 第17-19页 |
| 2.2.2 稀疏性与L_1范数 | 第19-21页 |
| 2.2.3 稀疏表示求解算法 | 第21-23页 |
| 2.3 字典学习的应用 | 第23-24页 |
| 2.3.1 图像去噪 | 第23页 |
| 2.3.2 模式识别中的应用 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 评价模型的搭建 | 第25-39页 |
| 3.1 引言 | 第25-26页 |
| 3.2 模型设计简介 | 第26-27页 |
| 3.3 车流数据处理 | 第27-31页 |
| 3.3.1 车流数据量选取 | 第27-30页 |
| 3.3.2 车流特征连续化处理 | 第30-31页 |
| 3.4 车流结构性特征学习 | 第31-37页 |
| 3.4.1 字典学习模型 | 第31-33页 |
| 3.4.2 KSVD算法 | 第33-35页 |
| 3.4.3 模型收敛性分析 | 第35-37页 |
| 3.5 评价值的表示 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第4章 归一化分析与实验结果 | 第39-52页 |
| 4.1 引言 | 第39页 |
| 4.2 实验数据集介绍 | 第39-40页 |
| 4.3 数据量归一化 | 第40-45页 |
| 4.3.1 统一归一化 | 第41-42页 |
| 4.3.2 自适应归一化 | 第42-45页 |
| 4.4 实验结果 | 第45-50页 |
| 4.4.1 用户调查结果 | 第45-47页 |
| 4.4.2 模型评价结果 | 第47-49页 |
| 4.4.3 结果分析 | 第49-50页 |
| 4.5 评价模型的约束条件 | 第50-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 本文工作内容总结 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间主要的研究成果 | 第58-59页 |
| 致谢 | 第59-60页 |
| 作者简介 | 第60页 |
