| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-10页 |
| 1.1 研究背景及研究意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 研究现状 | 第9页 |
| 1.3 本文内容及结构安排 | 第9-10页 |
| 第2章 高速公路逃费异常行为分析 | 第10-15页 |
| 2.1 引言 | 第10-11页 |
| 2.1.1 逃费异常产生的原因 | 第10-11页 |
| 2.2 常见的逃费行为调研 | 第11-14页 |
| 2.2.1 换卡逃费 | 第11-12页 |
| 2.2.2 倒卡逃费 | 第12-13页 |
| 2.2.3 J型车逃费 | 第13页 |
| 2.2.4 假冒军警车牌逃费 | 第13-14页 |
| 2.3 本章小结 | 第14-15页 |
| 第3章 基于IGA-IBP算法的逃费异常检测 | 第15-29页 |
| 3.1 引言 | 第15页 |
| 3.2 相关知识介绍 | 第15-19页 |
| 3.2.1 遗传算法 | 第15-17页 |
| 3.2.2 BP神经网络 | 第17-19页 |
| 3.3 基于IGA-IBP算法的高速公路逃费检测 | 第19-25页 |
| 3.3.1 IGA-IBP算法设计 | 第19-20页 |
| 3.3.2 IGA-IBP算法实现过程 | 第20-22页 |
| 3.3.3 特征选择和车辆动态时间分析 | 第22-24页 |
| 3.3.4 数据分析与处理 | 第24-25页 |
| 3.4 实验与结果分析 | 第25-28页 |
| 3.4.1 算法评价指标 | 第26页 |
| 3.4.2 实验结果对比分析 | 第26-28页 |
| 3.5 本章小结 | 第28-29页 |
| 第4章 基于萤火虫算法改进的加权K-Means算法的收费异常检测 | 第29-43页 |
| 4.1 引言 | 第29页 |
| 4.2 基于K-Means算法的高速公路异常检测 | 第29-31页 |
| 4.2.1 K-Means算法 | 第29-30页 |
| 4.2.2 基于经典K-Means算法的异常结果分析 | 第30-31页 |
| 4.3 基于改进的萤火虫算法优化K-Means的收费数据异常检测 | 第31-39页 |
| 4.3.1 Rosenbrock搜索算法 | 第32-33页 |
| 4.3.2 萤火虫算法的改进 | 第33-35页 |
| 4.3.3 基于聚类的高速特征选取和权重计算 | 第35-36页 |
| 4.3.4 高速公路数据加权目标函数分析 | 第36页 |
| 4.3.5 K-Means初始聚类中心选择 | 第36-38页 |
| 4.3.6 改进萤火虫的加权K-Means模型建立 | 第38-39页 |
| 4.4 实验与结果分析 | 第39-42页 |
| 4.4.1 实验数据和环境 | 第40页 |
| 4.4.2 实验结果分析 | 第40-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 总结与展望 | 第43-45页 |
| 5.1 总结 | 第43-44页 |
| 5.2 展望 | 第44-45页 |
| 致谢 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 在学期间发表的学术论文和研究成果 | 第49页 |
