摘要 | 第4-5页 |
abstract | 第5-6页 |
第1章 绪论 | 第9-17页 |
1.1 课题来源 | 第9页 |
1.2 研究背景与意义 | 第9-10页 |
1.3 相关领域国内外研究现状 | 第10-15页 |
1.3.1 船舶碰撞事故因素分析 | 第11-13页 |
1.3.2 船舶碰撞预测方法 | 第13-14页 |
1.3.3 船舶碰撞事故数据挖掘 | 第14-15页 |
1.4 论文研究内容及结构 | 第15-17页 |
1.4.1 论文主要研究内容 | 第15-16页 |
1.4.2 论文结构安排 | 第16-17页 |
第2章 船舶碰撞事故基础数据库 | 第17-28页 |
2.1 基础数据库需求分析 | 第17-18页 |
2.2 基础数据库概念模型设计 | 第18-20页 |
2.2.1 概念设计方法 | 第18页 |
2.2.2 碰撞事故基础数据库概念模型设计 | 第18-20页 |
2.3 基础数据库逻辑结构设计 | 第20-22页 |
2.3.1 逻辑结构设计的概念 | 第20页 |
2.3.2 关系模型的转化 | 第20-21页 |
2.3.3 数据模型的优化 | 第21-22页 |
2.4 基础数据库表的设计 | 第22-23页 |
2.5 基础数据库的建立 | 第23-26页 |
2.5.1 建立实际数据库结构 | 第23-25页 |
2.5.2 原始数据搜集 | 第25页 |
2.5.3 数据的清理 | 第25页 |
2.5.4 数据库测试 | 第25-26页 |
2.6 本章小结 | 第26-28页 |
第3章 基于聚类分析的船舶碰撞影响因素分析 | 第28-47页 |
3.1 船舶碰撞事故影响因素的选取 | 第28-30页 |
3.2 基于聚类分析的事故因素分析模型 | 第30页 |
3.3 基于卡方检验的因素分析 | 第30-37页 |
3.3.1 卡方检验的意义 | 第30-31页 |
3.3.2 数据的离散化 | 第31-33页 |
3.3.3 卡方独立性检验原理和步骤 | 第33-34页 |
3.3.4 卡方检验结果与分析 | 第34-37页 |
3.4 事故主要因素分布特征的聚类分析 | 第37-46页 |
3.4.1 事故分布特征的聚类分析 | 第37页 |
3.4.2 K-Modes聚类算法 | 第37-39页 |
3.4.3 聚类指标的构建 | 第39-40页 |
3.4.4 聚类k值和初始众数的确定 | 第40页 |
3.4.5 实证分析 | 第40-46页 |
3.5 本章小结 | 第46-47页 |
第4章 基于FA和GA-SVM的船舶碰撞事故严重程度分析预测 | 第47-64页 |
4.1 事故严重程度分析预测模型 | 第47-51页 |
4.1.1 因子分析FA | 第48-49页 |
4.1.2 支持向量机SVM | 第49-51页 |
4.2 分析预测模型的实现 | 第51-55页 |
4.2.1 指标的选取 | 第51-52页 |
4.2.2 基于FA的碰撞因素分析模型 | 第52-54页 |
4.2.3 基于GA-SVM的严重程度预测模型 | 第54-55页 |
4.3 实证分析 | 第55-63页 |
4.3.1 基于FA的碰撞因素分析 | 第55-59页 |
4.3.2 二分类船舶碰撞严重程度预测 | 第59-62页 |
4.3.3 四分类船舶碰撞严重程度预测 | 第62-63页 |
4.4 本章小结 | 第63-64页 |
第5章 总结与展望 | 第64-66页 |
5.1 全文工作总结 | 第64页 |
5.2 工作展望 | 第64-66页 |
致谢 | 第66-67页 |
参考文献 | 第67-70页 |
附录 A 各因素与船舶碰撞严重程度的列联表 | 第70-75页 |
攻读硕士学位期间的研究成果 | 第75页 |