| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究的目的与背景 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.2.3 文献综述 | 第14-15页 |
| 1.3 论文的主要工作 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-17页 |
| 第二章 航行通告数据建模 | 第17-28页 |
| 2.1 航行通告 | 第17-19页 |
| 2.1.1 航行通告格式 | 第17-19页 |
| 2.1.2 现行航行通告的缺点 | 第19页 |
| 2.2 航行通告信息抽取 | 第19-23页 |
| 2.2.1 正则表达式 | 第20页 |
| 2.2.2 航行通告树结构 | 第20-22页 |
| 2.2.3 利用正则表达式进行信息抽取 | 第22-23页 |
| 2.2.4 正则表达式信息抽取结果 | 第23页 |
| 2.3 航行通告XML建模 | 第23-26页 |
| 2.3.1 XML及XML Schema | 第23-24页 |
| 2.3.2 航行通告Schema设计 | 第24-25页 |
| 2.3.3 航行通告XML建模举例 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 航行通告关联规则挖掘 | 第28-39页 |
| 3.1 关联规则挖掘 | 第28-30页 |
| 3.1.1 关联规则挖掘相关定义 | 第28-29页 |
| 3.1.2 关联规则挖掘的分类 | 第29-30页 |
| 3.2 Apriori算法 | 第30-32页 |
| 3.2.1 Apriori算法原理 | 第30-31页 |
| 3.2.2 Apriori算法描述 | 第31-32页 |
| 3.3 Apriori算法的改进 | 第32页 |
| 3.4 基于改进Apriori算法的航行通告关联规则挖掘 | 第32-35页 |
| 3.4.1 频繁项集的生成 | 第33-34页 |
| 3.4.2 关联规则的生成 | 第34-35页 |
| 3.5 实验仿真 | 第35-38页 |
| 3.5.1 数据库设计 | 第35-36页 |
| 3.5.2 实验过程 | 第36-37页 |
| 3.5.3 实验结果分析 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 基于SVM的航行通告分类模型研究 | 第39-62页 |
| 4.1 支持向量机 | 第39-46页 |
| 4.1.1 统计学习理论 | 第39-42页 |
| 4.1.2 支持向量机理论 | 第42-45页 |
| 4.1.3 核函数 | 第45-46页 |
| 4.1.4 SVM多分类问题 | 第46页 |
| 4.2 人工鱼群算法 | 第46-50页 |
| 4.2.1 人工鱼群算法原理 | 第47-49页 |
| 4.2.2 人工鱼群算法流程 | 第49-50页 |
| 4.3 人工鱼群算法的改进 | 第50-52页 |
| 4.3.1 人工鱼视野和步长的改进 | 第50-51页 |
| 4.3.2 追尾行为和聚群行为的改进 | 第51-52页 |
| 4.4 基于混合核函数的SVM及其参数优化 | 第52-54页 |
| 4.4.1 混合核函数 | 第52页 |
| 4.4.2 改进的AFSA对SVM的参数优化 | 第52-54页 |
| 4.5 实验仿真 | 第54-60页 |
| 4.5.1 实验一 | 第55-56页 |
| 4.5.2 实验二 | 第56-59页 |
| 4.5.3 实验三 | 第59-60页 |
| 4.6 本章小结 | 第60-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 论文总结 | 第62-63页 |
| 5.2 研究展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 发表论文和参加科研情况说明 | 第67-68页 |
| 致谢 | 第68-69页 |