| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-15页 |
| §1-1 客流量统计的研究目的及意义 | 第8-12页 |
| 1-1-1 客流量统计的背景及目的 | 第8-9页 |
| 1-1-2 客流量统计的意义 | 第9-12页 |
| §1-2 国内外客流量统计技术的研究概况 | 第12-13页 |
| 1-2-1 国内外几种主流的客流统计方法的分析对比 | 第12-13页 |
| 1-2-2 国内外主要客流统计产品的介绍 | 第13页 |
| §1-3 客流量技术需要解决和优化提高的问题 | 第13-14页 |
| §1-4 论文的主要内容和结构 | 第14-15页 |
| 第二章 人工神经网络模型 | 第15-25页 |
| §2-1 人工神经网络的发展历程 | 第15-16页 |
| §2-2 人工神经网络的基本理论 | 第16-19页 |
| 2-2-1 人工神经网络结构原理 | 第16-17页 |
| 2-2-2 人工神经网络的学习算法 | 第17-18页 |
| 2-2-3 人工神经网络的特点和应用领域 | 第18-19页 |
| §2-3 RBF 径向基函数网络 | 第19-23页 |
| 2-3-1 RBF 神经网络特点及结构 | 第19-21页 |
| 2-3-2 径向基函数网络的算法 | 第21-22页 |
| 2-3-3 RBF 网络和BP 网络的比较 | 第22-23页 |
| §2-4 本章小结 | 第23-25页 |
| 第三章 客流系统的分析设计 | 第25-35页 |
| §3-1 客流采集分析系统的组成 | 第25-26页 |
| §3-2 客流采集系统的硬件设计 | 第26-28页 |
| 3-2-1 客流采集设备的选择 | 第26-27页 |
| 3-2-2 硬件设备的设定和调试 | 第27-28页 |
| §3-3 客流量统计的构造方法 | 第28-31页 |
| 3-3-1 RBF 神经网络识别系统基本构造 | 第28-29页 |
| 3-3-2 客流量系统的识别构造过程 | 第29-30页 |
| 3-3-3 客流统计系统总框图 | 第30-31页 |
| §3-4 客流数据展示和分析 | 第31-33页 |
| §3-5 本章小结 | 第33-35页 |
| 第四章 基于 RBF客流量统计系统的实现 | 第35-59页 |
| §4-1 客流采集过程和数据特点分析 | 第35-38页 |
| §4-2 客流数据的预处理 | 第38-40页 |
| §4-3 连续数据的分割 | 第40-45页 |
| 4-3-1 分割的主要方法 | 第40-42页 |
| 4-3-2 客流数据的分割过程 | 第42-45页 |
| §4-4 特征提取过程 | 第45-48页 |
| 4-4-1 特征提取的意义和方法 | 第45-46页 |
| 4-4-2 客流数据的特征提取 | 第46-48页 |
| §4-5 客流统计RBF 分类器设计 | 第48-50页 |
| 4-5-1 RBF 网络的设定 | 第49页 |
| 4-5-2 试验程序参数设定 | 第49-50页 |
| §4-6 客流采集的试验结果 | 第50-55页 |
| 4-6-1 单组模式试验结果 | 第50-53页 |
| 4-6-2 连通测试试验结果 | 第53-54页 |
| 4-6-3 整合测试试验结果 | 第54-55页 |
| 4-6-4 与BP 网络试验结果比较 | 第55页 |
| §4-7 仿真系统的设计 | 第55-57页 |
| §4-8 本章小结 | 第57-59页 |
| 第五章 结论与展望 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间所取得的相关科研成果 | 第63页 |