| 中文摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-20页 |
| ·论文的背景及研究意义 | 第10-11页 |
| ·轨道交通运营软件特点 | 第11-16页 |
| ·城市轨道交通运营系统 | 第11-12页 |
| ·运营管理信息系统模型设计 | 第12-13页 |
| ·企业动态建模体系 | 第13-14页 |
| ·知识转化流程形式化模型 | 第14-16页 |
| ·国内外研究现状及分析 | 第16-17页 |
| ·轨道交通运营软件 | 第16-17页 |
| ·软件行为动态可信测评 | 第17页 |
| ·本文主要研究内容 | 第17-18页 |
| ·本文的章节安排 | 第18-20页 |
| 第二章 轨道交通运营软件行为序列模板挖掘 | 第20-36页 |
| ·轨道交通运营软件行为序列存储 | 第20-22页 |
| ·轨道交通运营软件行为序列的生成 | 第22-25页 |
| ·日志信息表示 | 第22-23页 |
| ·特征选择 | 第23-24页 |
| ·行为序列生成过程 | 第24-25页 |
| ·序列模板挖掘 | 第25-35页 |
| ·行为序列模板的挖掘过程 | 第25-26页 |
| ·最精简主要序列提取算法 | 第26-28页 |
| ·序列图(sequence graphic,SG)构造 | 第28-30页 |
| ·基于 SG 图的模体挖掘方法 | 第30-32页 |
| ·序列模板挖掘实例 | 第32-35页 |
| ·小结 | 第35-36页 |
| 第三章 复杂有标记的大粒度软件行为动态测评方法 | 第36-54页 |
| ·软件行为序列分析技术的简介 | 第36-37页 |
| ·行为轨迹分析 | 第37-40页 |
| ·行为轨迹分析算法 | 第37-38页 |
| ·两两序列比较算法 | 第38-40页 |
| ·基于 HMM 大粒度行为预测模型 | 第40-46页 |
| ·隐 Markov 模型简介 | 第40-41页 |
| ·问题的解决策略 | 第41-42页 |
| ·基于 EM 算法的数据重构训练方法 | 第42-46页 |
| ·大粒度行为分析与预测仿真实验 | 第46-53页 |
| ·大粒度行为可信性分析仿真实验 | 第46-50页 |
| ·大粒度行为状态预测仿真实验 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第四章 复杂情形小粒度行为动态测评方法 | 第54-66页 |
| ·基于多实体贝叶斯网(MEBN)的小粒度行为分析模型 | 第54-62页 |
| ·MEBN 简介 | 第54-55页 |
| ·多实体贝叶斯网片段 | 第55-56页 |
| ·建立多实体贝叶斯模型 MTheory | 第56-58页 |
| ·利用多实体贝叶斯网络推理 | 第58-62页 |
| ·小粒度行为轨迹分析仿真实验 | 第62-64页 |
| ·本章小结 | 第64-66页 |
| 第五章 总结与展望 | 第66-68页 |
| ·工作总结 | 第66-67页 |
| ·工作展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士期间发表(录用)的论文和参加的科研项目 | 第72-73页 |
| 致谢 | 第73-74页 |