声明
摘要
1 绪论
1.1 研究背景
1.2 国内外研究动态
1.2.1 国外研究动态
1.2.2 国内研究动态
1.3 研究目的和意义
1.3.1 论文研究的目的
1.3.2 论文研究的意义
1.4 该领域目前存在的问题
1.5 本文的思路与结构框架
1.5.1 本文各章研究内容
1.5.2 本文研究思路
1.6 本章小结
2 高速公路交通状态识别算法的标准体系的建立
2.1 模糊聚类算法交通参数的选取
2.1.1 高速公路基本路段及交通状态
2.1.2 高速公路交通流特征参数的分析
2.2 高速公路交通状态的分类标准
2.3 我国高速公路的交通流组成
2.4 基于模糊聚类分析的交通状态度量标准
2.5 本章小结
3 模糊理论在高速公路交通状态识别中的应用
3.1 交通状态识别算法概述
3.1.1 传统算法概述
3.1.2 传统算法比较
3.2 基于模糊聚类分析的交通状态识别
3.2.1 模糊聚类分析
3.2.2 交通状态聚类FCM算法流程分析
3.3 FCM算法应用于高速公路状态识别存在的问题
3.4 本章小结
4 SAGA-FCM算法和模糊模型识别
4.1 模拟退火算法
4.1.1 概述
4.1.2 算法实现
4.2 遗传算法
4.2.1 概述
4.2.2 算法实现
4.3 基于模拟退火遗传的组合算法对初始聚类中心选择过程的优化
4.3.1 SAGA概述
4.3.2 模拟退火遗传算法选取聚类中心的基本流程:
4.4 基于模拟退火遗传算法的模糊C-均值聚类分析(SAGA-FCM)
4.5 基于SAGA-FCM算法的模糊模型识别
4.5.1 闵可夫斯基距离
4.5.2 模糊模型识别原则
4.6 本章小结
5 实例分析
5.1.1 数据的选取和处理
5.1.2 两种算法的程序准备
5.1.3 收敛速度的比较
5.1.4 目标函数值稳定性比较
5.2.1 两两参数验证分析
5.2.2 识别模型实例验证
5.3 本章小结
6 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
攻读学位期间的研究成果