声明
致谢
摘要
1.1 钢轨探伤的背景和意义
1.2 钢轨探伤设备的发展现状
1.2.1 国内发展现状
1.2.2 国外发展现状
1.3 钢轨探伤数据分析的意义
1.4 钢轨探伤数据分析的现状
1.4.1 国内钢轨探伤数据分析现状
1.4.2 国外钢轨探伤数据分析现状
1.4.3 云计算在探伤数据分析中的发展前景与意义
1.5 论文结构内容及工作安排
2 在线电磁钢轨探伤数据分类算法理论
2.1 数据预处理
2.1.1 数据清洗
2.1.2 数据集成
2.1.3 数据转换
2.1.4 数据规约
2.2 探伤数据的聚类算法理论
2.2.1 基于模型的聚类分析算法
2.2.2 基于密度的聚类分析算法
2.2.3 基于约束的聚类分析算法
2.2.4 层析聚类分析算法
2.2.5 划分聚类分析算法
2.3 探伤数据的分类算法理论
2.3.1 决策树分类算法
2.3.2 SVM分类算法
2.3.3 贝叶斯分类算法
2.4 本章小结
3 在线电磁钢轨探伤数据分析云平台设计与实现
3.1 在线电磁钢轨探伤系统构成
3.2 数据分析云平台架构
3.2.1 平台架构的选取
3.2.2 B/S三层架构的应用
3.2.3 数据库设计
3.3 开发环境的配置
3.3.1 数据分析软件开发环境
3.3.2 数据库开发环境
3.4 在线电磁钢轨探伤数据分析云平台的实现
3.4.1 UI设计
3.4.2 用户权限设置
3.4.3 用户密码找回
3.4.4 数据的图形展示
3.5 本章小结
4 在线电磁钢轨探伤数据分析算法实现
4.1 数据预处理
4.1.1 原始数据的归类
4.1.2 数据归一化
4.1.3 数据滤波去噪
4.2 损伤类型的分类
4.2.1 K-均值聚类算法对损伤类型的分析
4.2.2 决策树分类算法对损伤类型的分析
4.2.3 SVM分类算法对损伤类型的分析
4.3 损伤程度的分类
4.3.1 K-均值聚类算法对损伤程度的分析
4.3.2 决策树分类算法对损伤程度的分析
4.3.3 SVM分类算法对损伤程度的分析
4.4 综合使用决策树算法和SVM算法进行两级分类
4.5 本章小结
5.1 论文总结
5.2 工作展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集