基于文本挖掘的铁路外部环境隐患类别自动判别方法研究

目录

声明

致谢

1 引言

1.1 研究背景及意义

1.2 铁路外部环境隐患分类

1.3 国内外研究现状

1.3.1 铁路外部环境隐患概述

1.3.2 文本挖掘概述

1.4 研究内容及组织结构

1.4 本章小结

2 铁路外部环境隐患描述文本处理

2.1 文本挖掘相关技术介绍

2.1.1 特征选择

2.1.2 特征值计算

2.1.3 文本表示模型

2.2 数据来源及数据构成

2.3 铁路外部环境隐患数据预处理

2.3.1 中文分词及去停用词

2.3.2 词频统计

2.4 实现文本数据向量化

2.4.1 文本向量格式

2.4.2 利用 CHI实现外部环境隐患数据特征选择

2.4.3 利用 TF-IDF实现外部环境隐患数据特征权重计算

2.4.4 采用向量空间模型对外部环境隐患数据进行向量表示

2.5 本章小结

3 基于SVM的外部环境隐患类别自动判别实现

3.1 支持向量机分类器与 libsvm简介

3.1.1 SVM基本模型

3.1.1核技巧与核函数

3.1.3 Libsvm简介

3.2 基于 SVM的外部环境隐患分类模型 EHD-SVC

3.2.1 基于 C-SVC的隐患分类模型 EHD-CSVC

3.2.2 基于 V-SVC的隐患分类模型 EHD-VSVC

3.3 隐患训练集和验证集

3.4 隐患分类器 EHD-SVC分类性能优化

3.4.1外部环境隐患特征词库优化

3.4.2 EHD-SVC核函数选择

3.4.3 EHD-CSVC最佳参数调优

3.4 本章小结

4 EHD-CSVC 在铁路外部环境安全管理信息系统中的实现

4.1 铁路外部环境安全管理信息系统简述

4.1.1 系统建设背景及目标

4.1.2 系统建设范围

4.1.3 系统功能

4.1.4 系统技术架构

4.2 基于 EHD-CSVC的隐患类别自动判别功能实现

4.2.1 自动分类功能类设计

4.2.2 自动分类功能时序图设计

4.2.3 隐患自动分类功能界面展示

4.3 基于 EHD-CSVC的自动分类功能效果

4.4 本章小结

5 基于EHD-CSVC 分类的外部环境隐患分析

5.1 隐患关键词

5.2 隐患分布区域

5.3 隐患距线路距离

5.4 隐患危害程度

5.5 本章小结

6 总结与展望

6.1 总结

6.2 展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

独创性声明

学位论文数据集