| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景及意义 | 第7页 |
| ·国内外研究现状 | 第7-9页 |
| ·论文的主要内容和章节安排 | 第9-10页 |
| ·本章小结 | 第10-11页 |
| 第二章 数据挖掘的相关概念及主要算法 | 第11-23页 |
| ·数据挖掘的相关概念介绍 | 第11-13页 |
| ·数据挖掘的概念 | 第11页 |
| ·数据挖掘的模式分类 | 第11-12页 |
| ·数据挖掘的步骤 | 第12-13页 |
| ·关联规则挖掘的相关概念和主要算法 | 第13-17页 |
| ·关联规则挖掘 | 第13-14页 |
| ·关联规则挖掘的主要算法 | 第14-17页 |
| ·时间序列挖掘的相关概念及主要算法 | 第17-21页 |
| ·时间序列挖掘 | 第17-18页 |
| ·时间序列挖掘的主要算法 | 第18-21页 |
| ·本章小结 | 第21-23页 |
| 第三章 数据预处理技术介绍与研究 | 第23-33页 |
| ·数据预处理的主要方法 | 第23-24页 |
| ·交通流数据的基本特征 | 第24-25页 |
| ·交通流数据的预处理技术研究 | 第25-32页 |
| ·交通流原始数据的选取 | 第25-26页 |
| ·交通流原始数据的修补 | 第26-27页 |
| ·数据离散化及符号化 | 第27-31页 |
| ·交通流时段的划分 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 关联规则挖掘技术在数据修补中的应用研究 | 第33-41页 |
| ·经验数据的选取与处理 | 第33-35页 |
| ·交通流属性参数的关联规则挖掘 | 第35-40页 |
| ·实验过程 | 第35-37页 |
| ·算法效率分析 | 第37-38页 |
| ·实验结果的分析与应用 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 时间序列模式挖掘在短时交通流预测中的应用研究 | 第41-57页 |
| ·基于PrefixSpan算法的短时交通流的下一时刻预测 | 第41-44页 |
| ·实验过程 | 第41-43页 |
| ·实验结果分析 | 第43-44页 |
| ·PrefixSpan的改进算法 | 第44-52页 |
| ·PrefixSpan算法的特性分析 | 第45-46页 |
| ·PrefixSpan改进算法的描述 | 第46-48页 |
| ·PrefixSpan改进算法的示例 | 第48-50页 |
| ·PrefixSpan改进算法在太阳黑子预测中的应用 | 第50-52页 |
| ·PrefixSpan的改进算法在短时交通流多时刻预测中的应用研究 | 第52-56页 |
| ·实验过程 | 第52-54页 |
| ·实验结果分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 在读期间的研究成果 | 第65页 |
