| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 引言 | 第10-16页 |
| ·研究意义 | 第10-11页 |
| ·国内外发展现状 | 第11-13页 |
| ·国外发展状况 | 第11-12页 |
| ·国内发展状况 | 第12-13页 |
| ·本文的结构安排及创新之处 | 第13-16页 |
| ·文章的结构安排 | 第13-14页 |
| ·创新之处 | 第14-16页 |
| 第二章 基于云模型不确定性推理地图匹配算法 | 第16-24页 |
| ·地图匹配基本思想 | 第16-17页 |
| ·云模型 | 第17-19页 |
| ·定义 | 第17-18页 |
| ·云规则及其推理 | 第18页 |
| ·逆向云发生器 | 第18-19页 |
| ·算法设计 | 第19-22页 |
| ·云控制器设计 | 第19-21页 |
| ·高程辅助思想 | 第21-22页 |
| ·仿真分析 | 第22-23页 |
| ·初始设置 | 第22页 |
| ·仿真分析 | 第22-23页 |
| ·结论 | 第23-24页 |
| 第三章 基于Fréchet距离准则的智能地图匹配算法 | 第24-31页 |
| ·Fréchet距离 | 第24-26页 |
| ·Fréchet空间与Fréchet距离 | 第24-25页 |
| ·Fréchet自由空间及其图表 | 第25页 |
| ·平均Fréchet距离 | 第25-26页 |
| ·算法设计 | 第26-28页 |
| ·实验分析 | 第28-30页 |
| ·小结 | 第30-31页 |
| 第四章 自适应轨迹曲线地图匹配算法 | 第31-42页 |
| ·Sinn Kim和Jong Hwan Kim算法介绍 | 第31-33页 |
| ·C-Measure的计算 | 第31-32页 |
| ·参数的选取 | 第32页 |
| ·地图匹配算法 | 第32-33页 |
| ·基于C-Measure算法的改进 | 第33-40页 |
| ·历史轨迹信息的作用 | 第33页 |
| ·曲线匹配的距离准则 | 第33-34页 |
| ·基于自适应模糊神经网络的C-Measure分层控制算法 | 第34-40页 |
| ·仿真实验分析 | 第40-41页 |
| ·结论 | 第41-42页 |
| 第五章 基于多准则融合的信任理论地图匹配算法 | 第42-47页 |
| ·评价准则 | 第42-45页 |
| ·邻近准则 | 第42页 |
| ·角度准则 | 第42-43页 |
| ·历史轨迹邻近准则 | 第43页 |
| ·连通性准则 | 第43-44页 |
| ·准则融合 | 第44-45页 |
| ·仿真分析 | 第45-46页 |
| ·结论 | 第46-47页 |
| 第六章 基于目标位置的驾驶员在线学习算法 | 第47-57页 |
| ·引言 | 第47-48页 |
| ·基于目标位置的车辆跟踪方法 | 第48-50页 |
| ·运动模型 | 第48页 |
| ·目标位置和障碍物避让 | 第48-49页 |
| ·路线生成 | 第49-50页 |
| ·汽车转向模型 | 第50-54页 |
| ·系统结构 | 第50-52页 |
| ·学习算法 | 第52-54页 |
| ·仿真分析 | 第54-56页 |
| ·结论 | 第56-57页 |
| 第七章 结束语 | 第57-59页 |
| ·论文总结 | 第57-58页 |
| ·下一步的研究工作 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 硕士期间科研成果 | 第65页 |
