| 第一章 绪论 | 第1-12页 |
| ·选题背景 | 第8-9页 |
| ·研究现状 | 第9-11页 |
| ·本文主要内容 | 第11-12页 |
| 第二章 交通流 | 第12-22页 |
| ·交通流动力模型分析 | 第12-13页 |
| ·跟驰模型理论(Car Following Theory) | 第13页 |
| ·流体动力学模拟理论 | 第13-19页 |
| ·一阶连续介质模型(L-W理论) | 第13-14页 |
| ·高阶连续介质模型 | 第14-19页 |
| ·隧道监控系统概述 | 第19-20页 |
| ·对隧道交通流的建模 | 第20-22页 |
| 第三章 数据挖掘 | 第22-32页 |
| ·数据挖掘概述 | 第22-23页 |
| ·在交通领域应用数据挖掘的必要性 | 第23页 |
| ·数据挖掘研究现状 | 第23-25页 |
| ·数据挖掘系统的体系结构及数据挖掘的步骤 | 第25-27页 |
| ·数据挖掘系统的体系结构 | 第25页 |
| ·数据挖掘的步骤 | 第25-26页 |
| ·数据挖掘系统的组成 | 第26-27页 |
| ·数据挖掘的种类 | 第27-29页 |
| ·关联规则 | 第27-28页 |
| ·分类规则 | 第28页 |
| ·聚类规则 | 第28-29页 |
| ·时间序列规则 | 第29页 |
| ·偏差和例外性规则 | 第29页 |
| ·SQL Server 2000的数据挖掘功能 | 第29-30页 |
| ·数据挖掘的发展趋势 | 第30-32页 |
| 第四章 聚类的方法及其应用 | 第32-63页 |
| ·基于统计理论的聚类分析理论和方法 | 第32-36页 |
| ·划分方法(partitioning method) | 第34页 |
| ·层次方法(hierarchical method) | 第34-35页 |
| ·基于密度的方法(density based methed) | 第35页 |
| ·基于网格的方法(grid-based method) | 第35页 |
| ·基于模型的方法(model-based method) | 第35-36页 |
| ·划分方法 | 第36-40页 |
| ·基于质心的方法:k-平均方法 | 第36-37页 |
| ·基于有代表性对象的技术:k-中心点方法 | 第37-39页 |
| ·大型数据库中的划分方法:从k-中心点到CLARANS | 第39-40页 |
| ·层次方法 | 第40-46页 |
| ·凝聚和分裂的层次聚类 | 第40-41页 |
| ·BIRCH:利用层次方法的平衡迭代归约和聚类 | 第41-43页 |
| ·CURE:利用代表点聚类 | 第43-44页 |
| ·Chameleon(变色龙):利用动态模型的层次聚类算法 | 第44-46页 |
| ·基于密度的方法 | 第46-48页 |
| ·DBSCAN:一个基于高密度连接区域的密度聚类方法 | 第46-47页 |
| ·OPTICS通过对象排序识别聚类结构 | 第47页 |
| ·DENCLUE:基于密度分布函数的聚类 | 第47-48页 |
| ·基于网格的方法 | 第48-49页 |
| ·基于模型的聚类方法 | 第49-51页 |
| ·孤立点分析方法 | 第51页 |
| ·SQL Server 2000下的聚类应用 | 第51-63页 |
| ·数据介绍 | 第51-52页 |
| ·数据选择 | 第52页 |
| ·数据挖掘 | 第52-63页 |
| 第五章 预测方法及应用 | 第63-71页 |
| ·回归分析理论 | 第63-66页 |
| ·线性分析 | 第63-64页 |
| ·非线性回归 | 第64页 |
| ·相关性 | 第64-65页 |
| ·统计检验 | 第65-66页 |
| ·预测实例 | 第66-71页 |
| 第六章 结论 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-75页 |
