| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.2.3 文献总结 | 第14页 |
| 1.3 研究目的及意义 | 第14-15页 |
| 1.4 主要研究内容与技术路线 | 第15-17页 |
| 第2章 数据挖掘技术 | 第17-26页 |
| 2.1 数据挖掘技术简介 | 第17-20页 |
| 2.1.1 数据挖掘相关概念 | 第17-18页 |
| 2.1.2 数据挖掘过程 | 第18-20页 |
| 2.1.3 数据挖掘技术的常用方法 | 第20页 |
| 2.2 统计分析简介 | 第20-21页 |
| 2.3 聚类分析简介 | 第21-23页 |
| 2.3.1 聚类分析的定义 | 第21-22页 |
| 2.3.2 聚类分析的算法 | 第22-23页 |
| 2.4 关联规则简介 | 第23-25页 |
| 2.4.1 关联规则的定义 | 第23-24页 |
| 2.4.2 关联规则的分类 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 交通事故影响因素及其特征分布 | 第26-42页 |
| 3.1 交通事故影响因素 | 第26-29页 |
| 3.1.1 驾驶员因素 | 第26-27页 |
| 3.1.2 其他因素 | 第27-29页 |
| 3.2 交通事故因素指标的统计分布特征分析 | 第29-41页 |
| 3.2.1 交通事故驾驶员特征分析 | 第30-34页 |
| 3.2.2 其他因素特征分析 | 第34-39页 |
| 3.2.3 驾驶员与其他因素特征分析 | 第39-41页 |
| 3.3 本章小结 | 第41-42页 |
| 第4章 基于Logistic白化权聚类算法的城市交通事故驾驶员特征分析 | 第42-66页 |
| 4.1 灰色白化权聚类算法简介 | 第42-46页 |
| 4.2 灰色白化权聚类算法改进——Logistic白化权聚类算法 | 第46-57页 |
| 4.2.1 梯度法取白化值 | 第46-47页 |
| 4.2.2 传统白化权函数改进 | 第47-57页 |
| 4.3 驾驶员事故倾向性分析 | 第57-65页 |
| 4.3.1 驾驶员事故倾向性聚类分析 | 第57-61页 |
| 4.3.2 聚类算法分类效用分析 | 第61-64页 |
| 4.3.3 改进算法与传统算法分类效用分析 | 第64-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第5章 基于Apriori算法的城市交通事故驾驶员特征研究 | 第66-80页 |
| 5.1 Apriori算法简介 | 第66-72页 |
| 5.1.1 基本概念 | 第66-68页 |
| 5.1.2 Apriori算法定义 | 第68-69页 |
| 5.1.3 Apriori算法实现步骤及示例 | 第69-72页 |
| 5.2 基于Apriori算法对城市交通事故驾驶员特征研究 | 第72-79页 |
| 5.2.1 年龄特征关联分析 | 第73-76页 |
| 5.2.2 驾龄特征关联分析 | 第76-77页 |
| 5.2.3 性别特征关联分析 | 第77-79页 |
| 5.3 本章小结 | 第79-80页 |
| 第6章 结论与展望 | 第80-82页 |
| 6.1 结论 | 第80-81页 |
| 6.2 展望 | 第81-82页 |
| 参考文献 | 第82-85页 |
| 在学期间研究成果 | 第85-87页 |
| 致谢 | 第87-88页 |
