声明
致谢
摘要
序言
图目录
表目录
1 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究综述
1.3 研究目的及内容
1.3.1 研究目的
1.3.2 研究内容
1.4 技术路线及组织结构
1.4.1 技术路线
1.4.2 组织结构
2 贝叶斯网络模型研究基础
2.1 贝叶斯网络建模方法
2.2 贝叶斯网络优化算法
2.3 贝叶斯决策树预测模型
2.4 贝叶斯网络理论基础
2.4.1 信息论基础
2.4.2 卡方分布
2.4.3 网络结构
2.4.4 有向图邻接矩阵
2.5 本章小结
3 基于ACOS算法的贝叶斯网络模型
3.1 BN网结构学习
3.1.1 MIT评分函数
3.1.2 网络生长规则
3.2 ACOS搜索算法
3.2.1 模型构建思路
3.2.2 ACOS参数
3.2.3 ACOS算法
3.3 BN网模型预测
3.3.1 BN预测模型构建
3.3.2 BN分类模型构建
3.3.3 BN推断模型构建
3.4 本章小结
4 引入BN节点的贝叶斯决策树模型
4.1 决策树模型构建
4.1.1 分裂规则
4.1.2 终止规则
4.1.3 剪枝规则
4.1.4 CART算法
4.2 贝叶斯节点优化
4.2.1 朴素贝叶斯节点
4.2.2 贝叶斯网络节点
4.2.3 节点分类
4.3 BNDT模型构建
4.3.1 模型构建思路
4.3.2 属性节点判别规则
4.3.3 BN节点分类规则
4.3.4 B节点分类规则
4.4 本章小结
5 交通事件持续时间预测模型
5.1 交通事件持续时间数据描述
5.1.1 数据来源
5.1.2 数据描述
5.2 交通事件持续时间的贝叶斯网络模型
5.2.1 数据分类区间
5.2.2 模型构建结果
5.2.3 影响因素内部机理
5.2.4 事件持续时间影响因素分析
5.3 交通事件持续时间预测的贝叶斯网络模型
5.3.1 BN预测模型构建
5.3.2 BN分类模型构建
5.3.3 BN预测结果分析
5.4 交通事件持续时间预测的BNDT模型构建
5.4.1 数据统计
5.4.2 BNDT模型构建
5.4.3 BNDT模型检验
5.4.4 各类模型比较分析
5.5 本章小结
6 结论与展望
6.1 研究结论
6.2 研究创新点
6.3 研究展望
参考文献
附录
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集