| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 引言 | 第9-19页 |
| 1.1 研究的背景 | 第9页 |
| 1.2 研究的意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-15页 |
| 1.3.1 事故影响因素识别 | 第10-11页 |
| 1.3.2 事故严重程度预测模型及影响因素研究 | 第11-15页 |
| 1.4 研究方法及技术路线 | 第15-19页 |
| 1.4.1 研究方法 | 第15-17页 |
| 1.4.2 技术路线 | 第17页 |
| 1.4.3 本文所做工作 | 第17-19页 |
| 第2章 模型理论分析 | 第19-32页 |
| 2.1 支持向量机 | 第19-25页 |
| 2.1.1 统计学习理论简介 | 第19页 |
| 2.1.2 支持向量机的原理 | 第19-24页 |
| 2.1.3 多分类不平衡支持向量机 | 第24-25页 |
| 2.2 特征选择 | 第25-29页 |
| 2.2.1 特征选择方法 | 第25-26页 |
| 2.2.2 支持向量机递归消除算法 | 第26-27页 |
| 2.2.3 基于 GA-SVM-RFE 的特征选择 | 第27-29页 |
| 2.3 Ordered Probit 模型 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 事故调查报告分析及预测模型建立 | 第32-50页 |
| 3.1 船舶碰撞事故影响因素识别 | 第32-36页 |
| 3.1.1 船舶碰撞的概念 | 第32页 |
| 3.1.2 船舶碰撞资料的选取 | 第32-33页 |
| 3.1.3 船舶碰撞事故严重程度影响因素的选取 | 第33-36页 |
| 3.2 船舶碰撞事故严重程度的量化 | 第36-37页 |
| 3.3 船舶碰撞事故影响因素的量化 | 第37-47页 |
| 3.3.1 人为失误因素的量化 | 第37-38页 |
| 3.3.2 船舶因素的量化 | 第38-43页 |
| 3.3.3 船舶碰撞参数的量化 | 第43-45页 |
| 3.3.4 碰撞时间及地点的量化 | 第45-46页 |
| 3.3.5 环境因素的量化 | 第46-47页 |
| 3.4 支持向量机预测模型构建 | 第47-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第4章 预测模型的优化及因素分析 | 第50-63页 |
| 4.1 基于因素筛选的预测模型优化 | 第50-55页 |
| 4.1.1 基于 SVM-RFE 的船舶事故严重程度影响因素筛选 | 第50-53页 |
| 4.1.2 基于 GA-SVM-RFE 的船舶碰撞事故严重程度影响因素筛选 | 第53-55页 |
| 4.2 Ordered Probit 模型建立 | 第55-59页 |
| 4.3 边际效应分析 | 第59-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第5章 研究结论和展望 | 第63-65页 |
| 5.1 主要研究结论 | 第63-64页 |
| 5.2 创新点 | 第64页 |
| 5.3 研究展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表学术论文情况 | 第70-71页 |
| 附录 | 第71-77页 |
