数据挖掘技术在铁路集装箱运用与维修管理中的应用
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 关联规则挖掘研究现状 | 第12-13页 |
| 1.2.2 序列模式挖掘研究现状 | 第13-15页 |
| 1.2.3 数据挖掘技术在铁路运输领域的应用 | 第15页 |
| 1.3 研究内容与技术路线 | 第15-17页 |
| 1.4 论文结构框架 | 第17-18页 |
| 2 铁路集装箱运用与维修管理现状分析 | 第18-26页 |
| 2.1 铁路集装箱及信息系统 | 第18-19页 |
| 2.2 中铁集装箱运用与维修业务分析 | 第19-24页 |
| 2.3 存在的问题 | 第24页 |
| 2.4 本章小结 | 第24-26页 |
| 3 铁路集装箱源数据分析与处理 | 第26-40页 |
| 3.1 铁路集装箱源数据分析 | 第26-29页 |
| 3.2 铁路集装箱数据预处理 | 第29-31页 |
| 3.3 铁路集装箱运用与维修管理数据仓库设计 | 第31-39页 |
| 3.3.1 概念模型设计 | 第33-35页 |
| 3.3.2 逻辑模型设计 | 第35-38页 |
| 3.3.3 物理模型设计 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 4 铁路集装箱维修数据关联规则挖掘 | 第40-56页 |
| 4.1 问题描述 | 第40-41页 |
| 4.2 关联规则挖掘 | 第41-48页 |
| 4.2.1 Apriori算法 | 第42-44页 |
| 4.2.2 FP-growth算法 | 第44-47页 |
| 4.2.3 关联规则的度量 | 第47-48页 |
| 4.3 分析思路与处理过程 | 第48-50页 |
| 4.4 修理部件挖掘结果与分析 | 第50-55页 |
| 4.4.1 发现频繁项集 | 第50-51页 |
| 4.4.2 产生强关联规则 | 第51-55页 |
| 4.5 本章小结 | 第55-56页 |
| 5 铁路集装箱运输品类故障序列模式挖掘 | 第56-76页 |
| 5.1 问题描述 | 第56页 |
| 5.2 序列模式挖掘 | 第56-60页 |
| 5.2.1 序列数据库 | 第56-58页 |
| 5.2.2 GSP算法 | 第58-60页 |
| 5.3 分析思路与处理过程 | 第60-62页 |
| 5.4 挖掘结果与分析 | 第62-74页 |
| 5.4.1 品名中类挖掘结果与分析 | 第62-67页 |
| 5.4.2 品名细类挖掘结果与分析 | 第67-74页 |
| 5.5 本章小结 | 第74-76页 |
| 6 总结与展望 | 第76-78页 |
| 参考文献 | 第78-80页 |
| 附录A | 第80-86页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第86-90页 |
| 学位论文数据集 | 第90页 |
