| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 论文的主要研究内容和组织结构 | 第12-14页 |
| 第二章 数据挖掘理论综述 | 第14-23页 |
| 2.1 数据挖掘技术的概念 | 第14-16页 |
| 2.2 数据挖掘的过程 | 第16-19页 |
| 2.2.1 数据的预处理 | 第16-17页 |
| 2.2.2 数据的挖掘阶段 | 第17页 |
| 2.2.3 构建模型稳健型的评估以及结果的解释 | 第17-19页 |
| 2.3 数据挖掘方法任务及分析 | 第19-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 乘客公交卡历史交易数据的预处理与特征设计 | 第23-32页 |
| 3.1 原始数据 | 第23页 |
| 3.2 交通刷卡群体数据的分析和预处理 | 第23-25页 |
| 3.3 乘客公交历史交易数据的特征提取 | 第25-30页 |
| 3.3.1 基于滑动窗口的特征集抽取 | 第26-27页 |
| 3.3.2 乘客历史出行行为分析及样本特征设计 | 第27-30页 |
| 3.4 本章小结 | 第30-32页 |
| 第四章 随机森林和梯度迭代决策树算法介绍及其分析 | 第32-40页 |
| 4.1 随机森林算法原理及其分析 | 第32-36页 |
| 4.1.1 决策树算法 | 第32-34页 |
| 4.1.2 算法随机性分析及oob估计 | 第34-35页 |
| 4.1.3 算法收敛性证明 | 第35-36页 |
| 4.2 梯度提升决策树（GRADIENT BOOSTING DECISION TREE）原理及其分析 | 第36-39页 |
| 4.3 本章小结 | 第39-40页 |
| 第五章 实验结果分析 | 第40-51页 |
| 5.1 实验工具与平台介绍 | 第40页 |
| 5.2 实验过程 | 第40-41页 |
| 5.2.1 样本的构造 | 第40页 |
| 5.2.2 模型的评估指标 | 第40-41页 |
| 5.2.3 离线评测和线上评测 | 第41页 |
| 5.3 随机森林的试验结果分析 | 第41-47页 |
| 5.3.1 乘客在固定公交线路出行的离线测试结果分析 | 第41-45页 |
| 5.3.2 乘客在固定公交线路出行的线上预测结果分析 | 第45-47页 |
| 5.4 梯度迭代决策树实验结果分析 | 第47-49页 |
| 5.4.1 乘客在固定公交线路出行的离线测试结果分析 | 第47-48页 |
| 5.4.2 乘客在固定公交线路上出行的线上预测结果分析 | 第48-49页 |
| 5.5 随机森林和梯度提升决策树结果对比分析 | 第49-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 6.1 工作总结与创新 | 第51页 |
| 6.2 工作展望 | 第51-53页 |
| 参考文献 | 第53-55页 |
| 攻读博士/硕士学位期间取得的研究成果 | 第55-56页 |
| 致谢 | 第56-57页 |
| 答辩委员会对论文的评定意见 | 第57页 |
