基于数据挖掘的高速公路联网收费系统防逃费研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 高速公路逃费行为 | 第11-12页 |
| 1.2.2 数据挖掘及其防逃费应用 | 第12-14页 |
| 1.3 研究目的及意义 | 第14-15页 |
| 1.4 研究内容及章节安排 | 第15-18页 |
| 1.4.1 研究内容 | 第15-16页 |
| 1.4.2 章节安排 | 第16-18页 |
| 第二章 高速公路业务知识分析 | 第18-26页 |
| 2.1 联网收费系统介绍 | 第18-19页 |
| 2.2 收费系统数据分析 | 第19-21页 |
| 2.2.1 数据特点 | 第19-20页 |
| 2.2.2 传输流程 | 第20-21页 |
| 2.2.3 收费数据模型 | 第21页 |
| 2.3 逃费行为研究 | 第21-24页 |
| 2.3.1 动机与现状 | 第21-22页 |
| 2.3.2 逃费特征 | 第22页 |
| 2.3.3 逃费手段分析 | 第22-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 逃费稽查数据仓库设计及实现 | 第26-37页 |
| 3.1 数据仓库技术 | 第26-27页 |
| 3.2 逃费稽查数据仓库的设计 | 第27-33页 |
| 3.2.1 需求分析 | 第27-28页 |
| 3.2.2 构建概念模型 | 第28-29页 |
| 3.2.3 逻辑模型设计 | 第29-31页 |
| 3.2.4 物理模型设计 | 第31-33页 |
| 3.3 逃费稽查数据仓库的实现 | 第33-36页 |
| 3.3.1 数据处理 | 第33-34页 |
| 3.3.2 结果分析 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 逃费预测算法分析及设计 | 第37-47页 |
| 4.1 数据挖掘技术 | 第37页 |
| 4.2 算法设计及框架 | 第37-39页 |
| 4.2.1 整体思路分析 | 第37-38页 |
| 4.2.2 算法框架设计 | 第38-39页 |
| 4.3 关键算法分析 | 第39-46页 |
| 4.3.1 聚类分析 | 第40-43页 |
| 4.3.2 Fisher判别分析 | 第43-44页 |
| 4.3.3 逻辑回归分析 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 逃费行为预测模型的研究 | 第47-71页 |
| 5.1 实验环境及工具 | 第47页 |
| 5.2 研究方法流程 | 第47-48页 |
| 5.3 样本选取与处理 | 第48-51页 |
| 5.3.1 源数据 | 第48-49页 |
| 5.3.2 数据连接配置 | 第49页 |
| 5.3.3 提取逃费行为属性 | 第49-51页 |
| 5.4 确定逃费目标数据集 | 第51-61页 |
| 5.4.1 系统聚类结果 | 第52-56页 |
| 5.4.2 K-means聚类结果 | 第56-59页 |
| 5.4.3 判别分析结果 | 第59-61页 |
| 5.5 建立逃费行为预测模型 | 第61-67页 |
| 5.5.1 样本分割与小类配平 | 第61-62页 |
| 5.5.2 逻辑回归模型 | 第62-66页 |
| 5.5.3 预测准确度检验 | 第66-67页 |
| 5.6 模型验证及应用 | 第67-70页 |
| 5.7 本章小结 | 第70-71页 |
| 结论与展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间取得的研究成果 | 第77-78页 |
| 致谢 | 第78-79页 |
| 答辩委员会对论文的评定意见 | 第79页 |
