| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-17页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 课题来源 | 第13页 |
| 1.3 国内外研究现状 | 第13-14页 |
| 1.3.1 国外研究现状 | 第13-14页 |
| 1.3.2 国内研究现状 | 第14页 |
| 1.4 研究内容和意义 | 第14-16页 |
| 1.4.1 研究内容 | 第14-15页 |
| 1.4.2 研究意义 | 第15-16页 |
| 1.5 各章节内容介绍 | 第16-17页 |
| 2 系统理论基础和相关技术 | 第17-29页 |
| 2.1 知识的表示 | 第17-18页 |
| 2.1.1 框架模式 | 第17页 |
| 2.1.2 谓词逻辑表示法 | 第17-18页 |
| 2.1.3 产生式表示法 | 第18页 |
| 2.2 智能决策系统 | 第18-20页 |
| 2.2.1 基本概念 | 第18-19页 |
| 2.2.2 智能决策系统的结构 | 第19-20页 |
| 2.3 智能决策系统知识库系统 | 第20-22页 |
| 2.3.1 基本概念 | 第20-21页 |
| 2.3.2 模块组成 | 第21-22页 |
| 2.4 知识管理 | 第22-25页 |
| 2.4.1 知识发现 | 第23-24页 |
| 2.4.2 知识检索 | 第24-25页 |
| 2.5 数据挖掘技术以及MAPREDUCE框架 | 第25-27页 |
| 2.5.1 MapReduce编程模型 | 第25-27页 |
| 2.6 FP-GROWTH算法与关联规则 | 第27-28页 |
| 2.6.1 关联规则 | 第27页 |
| 2.6.2 Fp-growth算法 | 第27-28页 |
| 2.7 本章小结 | 第28-29页 |
| 3 动车组运维智能决策系统知识库需求分析 | 第29-36页 |
| 3.1 知识发现技术的数据来源 | 第29-34页 |
| 3.1.1 业务背景 | 第29-30页 |
| 3.1.2 来源数据分析 | 第30-31页 |
| 3.1.3 数据分类 | 第31-34页 |
| 3.2 当前需要改进的技术 | 第34页 |
| 3.3 智能决策知识库的需求分析 | 第34-35页 |
| 3.4 本章小节 | 第35-36页 |
| 4 智能决策系统知识库关键技术研究 | 第36-46页 |
| 4.1 知识发现技术的数据挖掘方法改进 | 第36-40页 |
| 4.1.1 挖掘算法的选择 | 第36页 |
| 4.1.2 Fp-growth算法的实现 | 第36-38页 |
| 4.1.3 Fp-growth算法的改进 | 第38-40页 |
| 4.1.4 改进后的Fp-growth算法的MapReduce化 | 第40页 |
| 4.2 实验验证 | 第40-45页 |
| 4.2.1 改进后的知识发现数据挖掘算法的验证 | 第40-45页 |
| 4.3 本章小结 | 第45-46页 |
| 5 动车组运维智能决策知识库实现 | 第46-64页 |
| 5.1 整体建构设计 | 第46-47页 |
| 5.2 知识库的建立 | 第47-50页 |
| 5.2.1 规则库的设计 | 第48-49页 |
| 5.2.2 事实库的设计 | 第49-50页 |
| 5.3 知识更新模块设计 | 第50-53页 |
| 5.3.1 知识表示法的选择 | 第51页 |
| 5.3.2 知识的录入、删除与更改 | 第51-52页 |
| 5.3.3 专家审核设计 | 第52-53页 |
| 5.4 推理机的建立 | 第53-56页 |
| 5.4.1 推理策略的选择 | 第54页 |
| 5.4.2 控制策略的选择 | 第54页 |
| 5.4.3 推理过程 | 第54-56页 |
| 5.5 知识检索模块 | 第56-59页 |
| 5.5.1 运维数据字典 | 第56-57页 |
| 5.5.2 知识检索 | 第57-59页 |
| 5.6 故障统计挖掘模块 | 第59-62页 |
| 5.7 知识库应用于运维智能决策 | 第62-63页 |
| 5.8 本章小节 | 第63-64页 |
| 6 总结与展望 | 第64-66页 |
| 6.1 本文总结 | 第64页 |
| 6.2 工作展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第69-71页 |
| 学位论文数据集 | 第71页 |