| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 论文的选题研究背景及意义 | 第9-10页 |
| 1.2 ZPW-2000A轨道电路故障判别研究现状 | 第10-11页 |
| 1.2.1 国内研究现状 | 第10-11页 |
| 1.2.2 国外研究现状 | 第11页 |
| 1.3 数据分类算法研究现状 | 第11-14页 |
| 1.3.1 国内研究现状 | 第12-13页 |
| 1.3.2 国外研究现状 | 第13-14页 |
| 1.4 主要研究内容 | 第14页 |
| 1.5 论文基本框架 | 第14-16页 |
| 2 ZPW-2000A轨道电路和特征提取 | 第16-23页 |
| 2.1 ZPW-2000A轨道电路基础理论 | 第16-18页 |
| 2.1.1 ZPW-2000A轨道电路技术特点 | 第16页 |
| 2.1.2 系统结构 | 第16-17页 |
| 2.1.3 ZPW-2000A轨道电路工作原理 | 第17-18页 |
| 2.2 ZPW-2000A轨道电路监测维护系统 | 第18-20页 |
| 2.2.1 监测系统结构及原理 | 第18-19页 |
| 2.2.2 信息采集种类 | 第19-20页 |
| 2.3 现场维护方法及判断标准 | 第20页 |
| 2.4 特征提取 | 第20-23页 |
| 2.4.1 数据分析 | 第20-21页 |
| 2.4.2 选取特征属性 | 第21-23页 |
| 3 粗糙集理论与模糊认知图概述 | 第23-40页 |
| 3.1 粗糙集理论基本概念 | 第23-26页 |
| 3.1.1 信息系统 | 第23页 |
| 3.1.2 等价与不可区分关系 | 第23-24页 |
| 3.1.3 粗糙近似与域 | 第24页 |
| 3.1.4 差别矩阵 | 第24页 |
| 3.1.5 属性依赖度、重要性与信息熵 | 第24-25页 |
| 3.1.6 决策算法与相容度 | 第25-26页 |
| 3.2 信息熵离散化算法 | 第26-29页 |
| 3.2.1 粗糙集与离散化问题的描述 | 第26-27页 |
| 3.2.2 一种基于信息熵的粗糙集离散化方法 | 第27-29页 |
| 3.3 属性约简 | 第29-31页 |
| 3.3.1 基于信息熵的属性约简算法 | 第29-30页 |
| 3.3.2 一种基于主分量启发式的属性约简算法 | 第30-31页 |
| 3.4 模糊认知图基础知识 | 第31-40页 |
| 3.4.1 有向图和模糊认知图 | 第31页 |
| 3.4.2 模糊认知图结构 | 第31-32页 |
| 3.4.3 推理过程与稳定状态 | 第32-33页 |
| 3.4.4 变换函数 | 第33页 |
| 3.4.5 权值求解问题 | 第33-37页 |
| 3.4.6 FCM权值学习算法分析比较 | 第37-40页 |
| 4 基于粗糙集理论和FCM的轨道电路故障分类 | 第40-51页 |
| 4.1 属性约简 | 第40-43页 |
| 4.1.1 数据的离散化 | 第40-42页 |
| 4.1.2 主分量启发式约简算法 | 第42-43页 |
| 4.2 数据规范化问题 | 第43-45页 |
| 4.2.1 数据规范化处理方法 | 第44页 |
| 4.2.2 分类器性能评估标准 | 第44-45页 |
| 4.3 ZPW-2000A轨道电路故障分类 | 第45-51页 |
| 4.3.1 LS-FCM的ZPW-2000A轨道电路故障分类模型的构建 | 第45-47页 |
| 4.3.2 基于RS-LS-FCM的轨道电路故障分类 | 第47-48页 |
| 4.3.3 实验结果对比分析 | 第48-50页 |
| 4.3.4 维修建议 | 第50-51页 |
| 结论 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读学位期间的研究成果 | 第57页 |
