摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
第1章 绪论 | 第11-21页 |
1.1 课题背景及研究意义 | 第11-12页 |
1.2 国内外研究现状分析 | 第12-17页 |
1.2.1 国内研究现状 | 第12-15页 |
1.2.2 国外研究现状 | 第15-17页 |
1.3 存在的问题分析及解决方案 | 第17-18页 |
1.4 研究内容 | 第18-19页 |
1.5 论文结构 | 第19-21页 |
第2章 内河船舶航行安全态势要素提取方法研究 | 第21-31页 |
2.1 总体设计思路 | 第21-22页 |
2.2 态势感知定义 | 第22-23页 |
2.3 内河船舶航行安全态势影响因素分析 | 第23-24页 |
2.4 基于平行坐标的要素初始集提取 | 第24-25页 |
2.5 基于专家分析法的要素数据收集 | 第25-26页 |
2.6 基于谱聚类的要素集获取方法 | 第26-29页 |
2.6.1 谱聚类算法概述 | 第26-27页 |
2.6.2 基于谱聚类的内河船舶航行安全态势要素提取 | 第27-29页 |
2.7 本章小结 | 第29-31页 |
第3章 内河船舶航行安全态势评估方法研究 | 第31-39页 |
3.1 安全态势评估方法概述 | 第31页 |
3.2 基于集对分析的内河船舶航行安全态势评估 | 第31-36页 |
3.2.1 集对分析评估方法 | 第32-33页 |
3.2.2 量化安全态势评估要素集与评估标准 | 第33页 |
3.2.3 熵值法确定安全态势评估要素权重 | 第33-34页 |
3.2.4 构建安全态势评估要素多元联系数 | 第34-35页 |
3.2.5 内河船舶航行安全态势评估 | 第35-36页 |
3.3 内河船舶航行安全态势评估实例验证 | 第36-38页 |
3.3.1 权重的确定 | 第36页 |
3.3.2 内河船舶航行安全态势评估及性能分析 | 第36-38页 |
3.4 本章小结 | 第38-39页 |
第4章 基于DAE深度学习的安全态势预测方法研究 | 第39-53页 |
4.1 常用的预测算法与深度学习概述 | 第39-40页 |
4.1.1 常用的预测算法 | 第39页 |
4.1.2 深度学习概述 | 第39-40页 |
4.2 安全态势深度学习模型设计 | 第40-43页 |
4.2.1 总体设计思路 | 第40页 |
4.2.2 面向内河安全态势预测的自编码(AE)深度学习模型 | 第40-42页 |
4.2.3 面向内河安全态势预测的Softmax分类器设计 | 第42-43页 |
4.3 基于降噪自编码(DAE)深度学习的安全态势预测方法 | 第43-48页 |
4.3.1 样本平衡、参数确定与降噪方法 | 第43-46页 |
4.3.2 基于DAE深度学习的内河安全态势预测方法 | 第46-48页 |
4.4 基于DAE深度学习的安全态势预测方法实验验证 | 第48-52页 |
4.4.1 实验平台及数据来源 | 第48-49页 |
4.4.2 实验验证与分析 | 第49-52页 |
4.5 本章小结 | 第52-53页 |
第5章 面向内河船舶航行安全态势的可视化研究 | 第53-71页 |
5.1 可视化与平行坐标概述 | 第53-54页 |
5.1.1 可视化概述 | 第53页 |
5.1.2 平行坐标概述 | 第53-54页 |
5.2 实验平台与实验数据来源 | 第54-59页 |
5.2.1 实验平台 | 第54页 |
5.2.2 实验数据收集与整理 | 第54-59页 |
5.3 基于平行坐标的安全态势要素提取可视化 | 第59-66页 |
5.3.1 内河船舶航行安全态势要素在平行坐标中的映射 | 第59-60页 |
5.3.2 要素提取可视化交互功能设计 | 第60-61页 |
5.3.3 基于平行坐标可视化的安全态势要素提取流程 | 第61-66页 |
5.4 内河船舶航行安全态势评估可视化分析 | 第66-69页 |
5.4.1 态势评估结果与要素关系可视化分析 | 第66-67页 |
5.4.2 基于地图的安全态势评估结果可视化 | 第67-69页 |
5.5 基于地图的安全态势预测结果可视化 | 第69-70页 |
5.6 本章小结 | 第70-71页 |
第6章 总结与展望 | 第71-74页 |
6.1 研究工作总结 | 第71-72页 |
6.2 展望 | 第72-74页 |
致谢 | 第74-75页 |
参考文献 | 第75-78页 |
攻读硕士学位期间的研究成果 | 第78页 |