首页--交通运输论文--公路运输论文--交通工程与公路运输技术管理论文--交通工程与交通管理论文--交通事故论文--交通事故处理、分析与统计论文

基于关联规则的交通事故风险因素挖掘及预测模型构建

摘要第4-6页
Abstract第6-8页
第1章 绪论第12-22页
    1.1 研究背景与意义第12-15页
    1.2 国内外研究现状第15-18页
        1.2.1 国外研究现状第15-17页
        1.2.2 国内研究现状第17-18页
    1.3 主要研究内容第18-19页
    1.4 论文组织结构与安排第19-22页
第2章 交通事故记录数据库的构建第22-40页
    2.1 引言第22页
    2.2 数据采集第22-23页
    2.3 提取文本关键词第23-33页
        2.3.1 文本预处理第25-28页
        2.3.2 朴素贝叶斯模型第28页
        2.3.3 选取特征项第28-30页
        2.3.4 关键词提取测试第30-33页
    2.4 风险因素提取第33-35页
    2.5 建立交通事故数据库第35-39页
        2.5.1 知识图谱概述第35-37页
        2.5.2 Nen4j图数据库第37-38页
        2.5.3 交通事故记录数据库第38-39页
    2.6 本章小结第39-40页
第3章 基于改进的Apriori算法的交通事故风险因素挖掘第40-52页
    3.1 引言第40页
    3.2 数据挖掘相关概念第40-46页
        3.2.1 数据挖掘概述第40-42页
        3.2.2 关联规则概述第42-44页
        3.2.3 Apriori算法介绍第44-46页
    3.3 Apriori算法的改进第46-48页
        3.3.1 算法改进思路第46-48页
        3.3.2 MA-Apriori算法描述第48页
    3.4 实验结果与分析第48-51页
        3.4.1 算法性能比较第48-49页
        3.4.2 挖掘结果与分析第49-51页
    3.5 本章小结第51-52页
第4章 交通事故风险因素的增量式关联规则挖掘算法第52-62页
    4.1 引言第52页
    4.2 增量关联规则算法概述第52-54页
        4.2.1 FastUpdate算法介绍第52-53页
        4.2.2 主流FUP挖掘效率改进算法的分析第53-54页
    4.3 UMA-Apriori算法第54-57页
        4.3.1 问题描述与设计思路第54-56页
        4.3.2 UMA-Apriori算法描述第56-57页
    4.4 实验结果与分析第57-59页
        4.4.1 算法效果验证第57-58页
        4.4.2 挖掘结果与性能分析第58-59页
    4.5 本章小结第59-62页
第5章 交通安全风险预测模型第62-74页
    5.1 引言第62页
    5.2 贝叶斯网络概述第62-68页
        5.2.1 基本概念第62-64页
        5.2.2 贝叶斯网络的结构第64-65页
        5.2.3 贝叶斯网络的学习第65-67页
        5.2.4 贝叶斯网络推理第67-68页
    5.3 交通事故风险预测模型的建立第68-72页
        5.3.1 模型变量的值域确定第68页
        5.3.2 模型的网络结构第68-69页
        5.3.3 条件概率分布第69-70页
        5.3.4 交通事故风险预测第70-72页
    5.4 本章小结第72-74页
结论第74-76页
参考文献第76-80页
攻读硕士学位期间发表的学术论文第80-82页
致谢第82页

论文共82页,点击 下载论文
上一篇:基于UltraScale FPGA的智能视频高速数据处理系统关键技术研究
下一篇:PA2200基尼龙材料3D打印件表面浸润性的改性研究