| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-15页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究意义 | 第12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 技术路线 | 第13-15页 |
| 2 理论基础 | 第15-27页 |
| 2.1 本体及知识推理 | 第15-17页 |
| 2.1.1 本体定义 | 第15-16页 |
| 2.1.2 知识推理 | 第16-17页 |
| 2.2 数据挖掘 | 第17-22页 |
| 2.2.1 文本分析 | 第18-20页 |
| 2.2.2 关联分析 | 第20-22页 |
| 2.3 风险管理理论 | 第22-25页 |
| 2.3.1 风险管理相关概念 | 第22-24页 |
| 2.3.2 铁路领域风险管理研究现状 | 第24-25页 |
| 2.4 本章小结 | 第25-27页 |
| 3 铁路风险源致因机理解析及风险知识发现 | 第27-47页 |
| 3.1 风险源致因机理解析 | 第27-31页 |
| 3.2 初始铁路风险本体的构建 | 第31-36页 |
| 3.3 风险因素识别及验证 | 第36-42页 |
| 3.3.1 基于文本分析的风险因素识别 | 第37-40页 |
| 3.3.2 基于回归分析的风险因素验证 | 第40-42页 |
| 3.4 扩展基于事故分析的铁路风险本体 | 第42-47页 |
| 4 基于时序-APRIORI算法的风险因素关联知识挖掘 | 第47-63页 |
| 4.1 风险数据说明 | 第47-48页 |
| 4.2 APRIORI算法改进及实现 | 第48-53页 |
| 4.2.1 经典Apriori算法说明 | 第48-50页 |
| 4.2.2 时序-Apriori算法实现 | 第50-53页 |
| 4.3 时序-APRIORI算法挖掘过程说明 | 第53-60页 |
| 4.3.1 数据清洗与整理 | 第53-54页 |
| 4.3.2 挖掘结果说明 | 第54-58页 |
| 4.3.3 算法有效性验证 | 第58-59页 |
| 4.3.4 关联规则分析 | 第59-60页 |
| 4.4 基于关联规则扩展铁路风险本体模型 | 第60-63页 |
| 5 基于本体论的风险关联知识表示及推理 | 第63-81页 |
| 5.1 铁路风险本体半自动构建方法 | 第63-67页 |
| 5.2 铁路风险本体的形式化表示 | 第67-70页 |
| 5.3 基于本体的铁路风险关联知识推理 | 第70-73页 |
| 5.4 案例实证 | 第73-81页 |
| 5.4.1 实例1 | 第74-76页 |
| 5.4.2 实例2 | 第76-78页 |
| 5.4.3 实证结果分析 | 第78-81页 |
| 6 总结与展望 | 第81-85页 |
| 6.1 研究工作总结 | 第81-82页 |
| 6.2 未来研究工作展望 | 第82-85页 |
| 参考文献 | 第85-91页 |
| 附录A | 第91-95页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第95-99页 |
| 学位论文数据集 | 第99页 |