分类方法在交通数据挖掘的应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 概述 | 第8-15页 |
| ·数据挖掘背景 | 第8-9页 |
| ·数据挖掘的综述 | 第9-13页 |
| ·数据挖掘概念 | 第9页 |
| ·数据挖据的功能 | 第9-13页 |
| ·研究背景 | 第13页 |
| ·本文结构和主要工作 | 第13-15页 |
| 第二章 数据挖掘中的分类技术 | 第15-24页 |
| ·分类问题的一般方法 | 第15-16页 |
| ·几种典型的分类算法 | 第16-22页 |
| ·决策树 | 第17-18页 |
| ·K-最近邻分类 | 第18-19页 |
| ·神经网络 | 第19-21页 |
| ·贝叶斯分类 | 第21-22页 |
| ·分类方法的性能评估 | 第22-23页 |
| ·保持方法 | 第22页 |
| ·随机二次抽样 | 第22页 |
| ·交叉验证 | 第22-23页 |
| ·自助法 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第三章 数据预处理 | 第24-33页 |
| ·数据预处理的重要性 | 第24-25页 |
| ·数据预处理的功能 | 第25-26页 |
| ·数据集成 | 第25页 |
| ·数据清洗 | 第25页 |
| ·数据变换 | 第25-26页 |
| ·数据简化 | 第26页 |
| ·数据的离散 | 第26-29页 |
| ·离散化方法 | 第26-27页 |
| ·交通数据的离散化 | 第27-29页 |
| ·属性的简约 | 第29-31页 |
| ·属性简约的方法 | 第29-30页 |
| ·交通数据的属性简约 | 第30-31页 |
| ·本章小结 | 第31-33页 |
| 第四章 决策树方法的应用与研究 | 第33-42页 |
| ·决策树的工作原理 | 第33-34页 |
| ·决策树的算法及改进 | 第34-37页 |
| ·基本算法 | 第34-35页 |
| ·改进的决策树算法 | 第35-37页 |
| ·决策树在交通数据挖掘中的应用模型 | 第37-41页 |
| ·训练集的构建 | 第37-38页 |
| ·最大信息属性的计算 | 第38-39页 |
| ·决策树的递归和剪枝 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 道路状况分类和预测模型构建 | 第42-63页 |
| ·粗糙集理论 | 第42-46页 |
| ·粗糙集理论的由来 | 第42-43页 |
| ·粗糙集的基本概念 | 第43-45页 |
| ·粗糙集的应用 | 第45-46页 |
| ·模糊粗糙集 | 第46-51页 |
| ·模糊集 | 第46-48页 |
| ·模糊粗糙集 | 第48-51页 |
| ·交通道路状况预测模型 | 第51-62页 |
| ·路况特征的提取和模糊化 | 第51-55页 |
| ·道路状况预测算法 | 第55-56页 |
| ·算法实现 | 第56-61页 |
| ·实验结果 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间发表的学术论文目录 | 第69-71页 |
