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
北京交通大学;