| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-20页 |
| 1.1 钢轨探伤的背景和意义 | 第12-13页 |
| 1.2 钢轨探伤设备的发展现状 | 第13-15页 |
| 1.2.1 国内发展现状 | 第13-14页 |
| 1.2.2 国外发展现状 | 第14-15页 |
| 1.3 钢轨探伤数据分析的意义 | 第15页 |
| 1.4 钢轨探伤数据分析的现状 | 第15-17页 |
| 1.4.1 国内钢轨探伤数据分析现状 | 第15-16页 |
| 1.4.2 国外钢轨探伤数据分析现状 | 第16页 |
| 1.4.3 云计算在探伤数据分析中的发展前景与意义 | 第16-17页 |
| 1.5 论文结构内容及工作安排 | 第17-20页 |
| 2 在线电磁钢轨探伤数据分类算法理论 | 第20-38页 |
| 2.1 数据预处理 | 第20-22页 |
| 2.1.1 数据清洗 | 第20-21页 |
| 2.1.2 数据集成 | 第21页 |
| 2.1.3 数据转换 | 第21-22页 |
| 2.1.4 数据规约 | 第22页 |
| 2.2 探伤数据的聚类算法理论 | 第22-25页 |
| 2.2.1 基于模型的聚类分析算法 | 第23页 |
| 2.2.2 基于密度的聚类分析算法 | 第23页 |
| 2.2.3 基于约束的聚类分析算法 | 第23页 |
| 2.2.4 层析聚类分析算法 | 第23-24页 |
| 2.2.5 划分聚类分析算法 | 第24-25页 |
| 2.3 探伤数据的分类算法理论 | 第25-37页 |
| 2.3.1 决策树分类算法 | 第25-30页 |
| 2.3.2 SVM分类算法 | 第30-34页 |
| 2.3.3 贝叶斯分类算法 | 第34-37页 |
| 2.4 本章小结 | 第37-38页 |
| 3 在线电磁钢轨探伤数据分析云平台设计与实现 | 第38-58页 |
| 3.1 在线电磁钢轨探伤系统构成 | 第38-39页 |
| 3.2 数据分析云平台架构 | 第39-44页 |
| 3.2.1 平台架构的选取 | 第39-41页 |
| 3.2.2 B/S三层架构的应用 | 第41-42页 |
| 3.2.3 数据库设计 | 第42-44页 |
| 3.3 开发环境的配置 | 第44-45页 |
| 3.3.1 数据分析软件开发环境 | 第44页 |
| 3.3.2 数据库开发环境 | 第44-45页 |
| 3.4 在线电磁钢轨探伤数据分析云平台的实现 | 第45-56页 |
| 3.4.1 UI设计 | 第45-46页 |
| 3.4.2 用户权限设置 | 第46-51页 |
| 3.4.3 用户密码找回 | 第51-52页 |
| 3.4.4 数据的图形展示 | 第52-56页 |
| 3.5 本章小结 | 第56-58页 |
| 4 在线电磁钢轨探伤数据分析算法实现 | 第58-76页 |
| 4.1 数据预处理 | 第58-61页 |
| 4.1.1 原始数据的归类 | 第58页 |
| 4.1.2 数据归一化 | 第58-59页 |
| 4.1.3 数据滤波去噪 | 第59-61页 |
| 4.2 损伤类型的分类 | 第61-68页 |
| 4.2.1 K-均值聚类算法对损伤类型的分析 | 第61-64页 |
| 4.2.2 决策树分类算法对损伤类型的分析 | 第64-66页 |
| 4.2.3 SVM分类算法对损伤类型的分析 | 第66-68页 |
| 4.3 损伤程度的分类 | 第68-73页 |
| 4.3.1 K-均值聚类算法对损伤程度的分析 | 第69-71页 |
| 4.3.2 决策树分类算法对损伤程度的分析 | 第71-72页 |
| 4.3.3 SVM分类算法对损伤程度的分析 | 第72-73页 |
| 4.4 综合使用决策树算法和SVM算法进行两级分类 | 第73-74页 |
| 4.5 本章小结 | 第74-76页 |
| 5 结论 | 第76-78页 |
| 5.1 论文总结 | 第76-77页 |
| 5.2 工作展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第82-86页 |
| 学位论文数据集 | 第86页 |