基于粗糙集和神经网络的海船船员适任性研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-21页 |
| ·选题背景和研究意义 | 第11-18页 |
| ·选题背景 | 第11-13页 |
| ·研究现状 | 第13-16页 |
| ·问题的提出 | 第16-17页 |
| ·研究意义 | 第17-18页 |
| ·研究方法和研究内容 | 第18-20页 |
| ·研究方法 | 第18-19页 |
| ·研究内容 | 第19-20页 |
| ·本研究创新点 | 第20-21页 |
| 第2章 我国海船船员基本状况 | 第21-47页 |
| ·研究现状 | 第21页 |
| ·我国海船船员的数量 | 第21-22页 |
| ·职务船员持证状况的研究 | 第22-34页 |
| ·职务船员总体持证状况 | 第22-24页 |
| ·基于适任证书类别的分析 | 第24-28页 |
| ·基于工作部门的分析 | 第28-29页 |
| ·基于职务的分析 | 第29-34页 |
| ·职务船员的年龄分布 | 第34-37页 |
| ·总体概况 | 第34-36页 |
| ·甲类职务船员的年龄分布 | 第36-37页 |
| ·海船船员的学历研究 | 第37-39页 |
| ·总体学历情况研究 | 第37-39页 |
| ·职务船员的学历研究 | 第39页 |
| ·我国海船船员的国际竞争力 | 第39-44页 |
| ·国际船员劳务市场概况 | 第39-41页 |
| ·我国船员劳务外派概况 | 第41-43页 |
| ·我国海船船员队伍发展面临的挑战和对策 | 第43-44页 |
| ·本章小结 | 第44-47页 |
| 第3章 海船船员适任性评价指标体系研究 | 第47-63页 |
| ·STCW公约及其适任性要求概述 | 第47-48页 |
| ·海船船员适任性评价体系研究 | 第48-61页 |
| ·人的失误模型 | 第48-50页 |
| ·海船船员适任评价指标研究 | 第50-61页 |
| ·本章小结 | 第61-63页 |
| 第4章 基于粗糙集的海船船员适任性研究 | 第63-105页 |
| ·研究现状 | 第63-65页 |
| ·目前海运安全评价方法综述 | 第63-64页 |
| ·国内海船船员安全评价综述 | 第64-65页 |
| ·粗糙集数据分析 | 第65-72页 |
| ·数据挖掘的基本概念 | 第65-67页 |
| ·粗糙集基本理论 | 第67-71页 |
| ·基于粗糙集的数据挖掘算法基本理论 | 第71-72页 |
| ·基于粗糙集的海船船员适任性数据挖掘 | 第72-101页 |
| ·海船船员适任性评价数据收集 | 第72-74页 |
| ·海船船员适任性数据挖掘 | 第74-101页 |
| ·验证 | 第101-104页 |
| ·问卷设计 | 第101-102页 |
| ·问卷分析 | 第102-104页 |
| ·本章小结 | 第104-105页 |
| 第5章 基于人工神经网络的海船船员适任性研究 | 第105-127页 |
| ·研究现状 | 第105-106页 |
| ·人工神经网络在海上安全研究方面的应用 | 第105-106页 |
| ·人工神经网络在人因评价方面的应用 | 第106页 |
| ·人工神经网络基本原理 | 第106-109页 |
| ·基本的神经网络模型 | 第106-107页 |
| ·神经网络的学习方法 | 第107页 |
| ·BP神经网络模型和BP算法 | 第107-109页 |
| ·基于BP网络的海船船员适任性研究 | 第109-126页 |
| ·BP神经网络拓扑结构研究 | 第109-115页 |
| ·海船船员适任性研究 | 第115-126页 |
| ·本章小结 | 第126-127页 |
| 第6章 结论 | 第127-131页 |
| 参考文献 | 第131-139页 |
| 附录A 基于事故报告的海船船员适任性评价决策表 | 第139-141页 |
| 附录B 离散化的海船船员适任性评价决策表 | 第141-143页 |
| 攻读学位期间公开发表论文 | 第143-145页 |
| 致谢 | 第145页 |
