| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究的背景及现实意义 | 第12-13页 |
| 1.2 国内外的研究现状 | 第13-15页 |
| 1.2.1 土质边坡稳定性研究现状 | 第13-15页 |
| 1.2.2 决策树研究现状 | 第15页 |
| 1.3 本文主要研究内容和组织结构 | 第15-17页 |
| 第2章 土质边坡稳定性评价方法及影响因素分析 | 第17-29页 |
| 2.1 土质边坡稳定性评价方法 | 第17-22页 |
| 2.1.1 定性分析法 | 第18页 |
| 2.1.2 定量分析法 | 第18-19页 |
| 2.1.3 不确定性分析法 | 第19-22页 |
| 2.1.4 检测、实验分析 | 第22页 |
| 2.2 土质边坡稳定性影响因素分析 | 第22-27页 |
| 2.2.1 内部因素 | 第23-25页 |
| 2.2.2 外部因素 | 第25-27页 |
| 2.3 本章小结 | 第27-29页 |
| 第3章 决策树算法 | 第29-36页 |
| 3.1 决策树概述 | 第29-30页 |
| 3.1.1 决策树的表示 | 第29页 |
| 3.1.2 决策树的基本分类过程 | 第29-30页 |
| 3.1.3 属性测试条件的表示方法和最佳划分的度量 | 第30页 |
| 3.2 常用的决策树分类算法 | 第30-34页 |
| 3.2.1 ID3算法 | 第30-32页 |
| 3.2.2 C4.5 算法 | 第32-33页 |
| 3.2.3 CART算法 | 第33-34页 |
| 3.3 决策树的剪枝 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 C4.5 决策树算法在土质边坡稳定性评价中的应用 | 第36-52页 |
| 4.1 评价指标的选择 | 第36页 |
| 4.2 训练样本和预测样本的选择 | 第36-40页 |
| 4.3 模型的建立和结果评价 | 第40-43页 |
| 4.3.1 模型的建立 | 第40-43页 |
| 4.3.2 结果评价 | 第43页 |
| 4.4 与其他分类方法的比较 | 第43-50页 |
| 4.4.1 基于BP神经网络的土质边坡稳定性评价模型 | 第43-46页 |
| 4.4.2 基于LVQ神经网络的土质边坡稳定性评价模型 | 第46-48页 |
| 4.4.3 基于ELM的土质边坡稳定性评价模型 | 第48-50页 |
| 4.4.4 模型对比分析 | 第50页 |
| 4.5 本章小结 | 第50-52页 |
| 第5章 结论与展望 | 第52-54页 |
| 5.1 结论 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 附录 | 第58-63页 |
| BP神经网络模型源代码 | 第58-59页 |
| LVQ神经网络模型源代码 | 第59-60页 |
| 极限学习机模型源代码 | 第60-63页 |
| 作者攻读学位期间的科研成果 | 第63-64页 |
| 致谢 | 第64页 |
