| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义和应用价值 | 第11页 |
| 1.3 研究思路 | 第11-14页 |
| 第2章 国内外研究现状 | 第14-24页 |
| 2.1 海事事故研究现状 | 第14-18页 |
| 2.1.1 国外海事事故研究 | 第14-15页 |
| 2.1.2 国内海事事故研究 | 第15-17页 |
| 2.1.3 海事事故研究现状评述 | 第17-18页 |
| 2.2 海事事故数据及挖掘现状 | 第18-24页 |
| 2.2.1 国外事故挖掘研究 | 第18-20页 |
| 2.2.2 国内事故挖掘研究 | 第20-23页 |
| 2.2.3 事故数据挖掘研究评述 | 第23-24页 |
| 第3章 事故数据信息分类及预处理 | 第24-31页 |
| 3.1 事故数据库信息属性分类研究 | 第24-27页 |
| 3.1.1 事故基础信息属性分析 | 第24-25页 |
| 3.1.2 事故致因信息属性分析 | 第25-27页 |
| 3.2 事故数据预处理 | 第27-30页 |
| 3.2.1 事故数据预处理概述 | 第27-28页 |
| 3.2.2 事故数据预处理流程 | 第28-30页 |
| 3.3 小结 | 第30-31页 |
| 第4章 基于数理统计的事故致因分析 | 第31-38页 |
| 4.1 人为因素对事故的影响 | 第32-33页 |
| 4.2 船舶货物因素对事故的影响 | 第33-34页 |
| 4.3 环境因素对事故的影响 | 第34-35页 |
| 4.3.1 自然环境对海事事故的影响 | 第34-35页 |
| 4.3.2 交通环境对海事事故的影响 | 第35页 |
| 4.4 管理因素对事故的影响 | 第35-37页 |
| 4.4.1 船舶管理 | 第35-36页 |
| 4.4.2 船公司管理 | 第36-37页 |
| 4.5 小结 | 第37-38页 |
| 第5章 改进Apriori算法的构建 | 第38-47页 |
| 5.1 关联规则算法概述 | 第38-39页 |
| 5.2 Apriori算法相关概念 | 第39-41页 |
| 5.3 Apriori算法基本原理 | 第41-45页 |
| 5.3.1 Apriori算法模型计算 | 第41-44页 |
| 5.3.2 基于R语言编程的Apriori算法 | 第44-45页 |
| 5.4 基于动态存储空间的改进Apriori算法 | 第45页 |
| 5.5 基于k-medoids聚类的改进Apriori算法 | 第45-46页 |
| 5.6 小结 | 第46-47页 |
| 第6章 改进Apriori算法在海事事故关联分析的应用 | 第47-61页 |
| 6.1 基于改进Apriori算法的全因素关联分析 | 第47-50页 |
| 6.1.1 海事事故数据库全因素关联规则挖掘 | 第48-49页 |
| 6.1.2 全因素挖掘实验结果分析 | 第49-50页 |
| 6.1.3 全因素挖掘实验结果评述 | 第50页 |
| 6.2 海事事故的聚类与Apriori关联规则分析 | 第50-59页 |
| 6.2.1 碰撞事故的关联规则挖掘 | 第51-55页 |
| 6.2.2 非碰撞事故的关联规则挖掘 | 第55-59页 |
| 6.3 建议 | 第59-60页 |
| 6.4 小结 | 第60-61页 |
| 第7章 结论与展望 | 第61-63页 |
| 7.1 结论 | 第61页 |
| 7.2 展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 附录 R语言编程代码 | 第68-70页 |
| 攻读学位期间公开发表的论文 | 第70-71页 |
| 致谢 | 第71-72页 |
| 作者简介 | 第72页 |
