本文關(guān)鍵詞：基于機器學(xué)習(xí)的軌道交通安全綜合評估模型研究

  更多相關(guān)文章： 軌道交通系統(tǒng) 安全評估 機器學(xué)習(xí) 中文分詞 關(guān)聯(lián)分析 支持向量機

【摘要】：近年來,軌道交通在我國飛速發(fā)展,在肩負起我國幾大經(jīng)濟帶和重點城市的運輸任務(wù)的同時,軌道交通也面領(lǐng)著快速增長的客運量和安全保障方面更大的挑戰(zhàn)。開展軌道交通安全狀態(tài)評估的研究,對保護市民人身財產(chǎn)安全,促進城市發(fā)展,增強軌道交通自身的服務(wù)水平,預(yù)防及減少事故都有著重要的理論和現(xiàn)實意義。 在軌道交通安全信息中,對于非結(jié)構(gòu)化數(shù)據(jù)如文本、圖像、視頻中,文本數(shù)據(jù)應(yīng)用廣泛,具有很高的挖掘價值。但是當(dāng)前人工處理方式速度慢、發(fā)送量低、無法和結(jié)構(gòu)化數(shù)據(jù)很好地融合。本文以此為切入點,通過對文本挖掘的關(guān)鍵技術(shù)進行研究,取得文本分析結(jié)果并形成安全詞頻指標(biāo),利用機器學(xué)習(xí)技術(shù)與傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)形成的安全數(shù)據(jù)指標(biāo)進行融合,從新的角度對軌道交通安全狀態(tài)進行綜合評估,為軌道交通管理部門提供一定的理論依據(jù)。主要研究工作如下： (1)對國內(nèi)軌道交通安全信息進行調(diào)研,分析軌道交通安全信息特性。 (2)研究中文分詞技術(shù),并對于軌道交通安全信息中的文本數(shù)據(jù)挑選合適的方法和分詞字典,通過軌道交通安全信息分詞技術(shù),形成基于文本數(shù)據(jù)的軌道交通安全詞頻指標(biāo)。 (3)對于基于文本數(shù)據(jù)的軌道交通安全詞頻指標(biāo)和基于字典數(shù)據(jù)的軌道交通安全數(shù)據(jù)指標(biāo),提出基于關(guān)聯(lián)規(guī)則的指標(biāo)融合算法,形成軌道交通安全評估指標(biāo)。 (4)基于軌道交通安全評估指標(biāo),提出基于支持向量機的軌道交通安全綜合評估方法,構(gòu)建基于支持向量機的軌道交通安全綜合評估模型。 (5)基于以上成果,采用Python對于各個算法進行實現(xiàn),并構(gòu)建軌道交通安全綜合評估系統(tǒng)。
【關(guān)鍵詞】：軌道交通系統(tǒng) 安全評估 機器學(xué)習(xí) 中文分詞 關(guān)聯(lián)分析 支持向量機
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：U298
【目錄】：

• 致謝5-6
• 中文摘要6-7
• ABSTRACT7-11
• 1 引言11-17
• 1.1 研究背景11-13
• 1.2 研究目標(biāo)13-14
• 1.3 研究內(nèi)容及技術(shù)路線14-17
• 1.3.1 研究內(nèi)容14-15
• 1.3.2 研究技術(shù)路線15-17
• 2 相關(guān)理論及國內(nèi)外研究現(xiàn)狀17-33
• 2.1 國內(nèi)外軌道交通安全評估發(fā)展現(xiàn)狀17-23
• 2.1.1 國外軌道交通安全評估發(fā)展現(xiàn)狀17-19
• 2.1.2 國內(nèi)軌道交通安全評估發(fā)展現(xiàn)狀19-23
• 2.2 機器學(xué)習(xí)發(fā)展現(xiàn)狀23-29
• 2.2.1 支持向量機的相關(guān)研究24-26
• 2.2.2 關(guān)聯(lián)規(guī)則算法相關(guān)研究26-28
• 2.2.3 機器學(xué)習(xí)在交通領(lǐng)域的相關(guān)研究應(yīng)用28-29
• 2.3 自然語言處理發(fā)展現(xiàn)狀29-32
• 2.3.1 自然語言處理發(fā)展歷史30
• 2.3.2 中文分詞研究現(xiàn)狀30-31
• 2.3.3 漢語分詞研究難點31-32
• 2.4 本章小結(jié)32-33
• 3 軌道交通安全信息特性分析及中文分詞技術(shù)33-49
• 3.1 軌道交通安全信息調(diào)研33-35
• 3.2 軌道交通安全信息特性分析35-38
• 3.2.1 軌道交通信息分類35-37
• 3.2.2 軌道交通信息特性37-38
• 3.3 基于機器學(xué)習(xí)的軌道交通安全信息處理流程38-39
• 3.4 中文分詞概述39-42
• 3.4.1 中文分詞概念簡介39-40
• 3.4.2 中文分詞技術(shù)簡介40-42
• 3.5 軌道交通安全信息分詞42-47
• 3.5.1 HMM模型42-43
• 3.5.2 Viterbi算法43
• 3.5.3 軌道交通安全信息分詞43-47
• 3.6 本章小結(jié)47-49
• 4 基于Apriori的軌道交通安全綜合評估指標(biāo)體系構(gòu)建49-60
• 4.1 關(guān)聯(lián)規(guī)則算法49-52
• 4.1.1 關(guān)聯(lián)分析算法簡介50-51
• 4.1.2 Apriori算法原理51-52
• 4.2 多維關(guān)聯(lián)規(guī)則52-55
• 4.2.1 多層及多維關(guān)聯(lián)規(guī)則算法52-53
• 4.2.2 軌道交通安全信息關(guān)聯(lián)規(guī)則提取算法53-55
• 4.3 軌道交通的安全評估指標(biāo)體系構(gòu)建55-59
• 4.3.1 軌道交通安全詞頻指標(biāo)55-57
• 4.3.2 軌道交通安全數(shù)據(jù)指標(biāo)57
• 4.3.3 軌道交通安全指標(biāo)融合57
• 4.3.4 軌道交通安全指標(biāo)融合舉例57-59
• 4.4 本章小結(jié)59-60
• 5 基于SVM的軌道交通安全評估算法研究60-72
• 5.1 統(tǒng)計學(xué)習(xí)基礎(chǔ)理論60-64
• 5.1.1 經(jīng)驗風(fēng)險最小化原則61-62
• 5.1.2 VC維62
• 5.1.3 推廣性的界62-63
• 5.1.4 結(jié)構(gòu)風(fēng)險最小化63-64
• 5.2 支持向量機分類原理64-69
• 5.2.1 最優(yōu)分類超平面65-67
• 5.2.2 廣義最優(yōu)分類面67-68
• 5.2.3 核函數(shù)68-69
• 5.3 基于SVM的軌道交通安全評估69-71
• 5.4 本章小結(jié)71-72
• 6 軌道交通安全信息處理及安全綜合評估系統(tǒng)設(shè)計與研發(fā)72-81
• 6.1 需求分析72-75
• 6.1.1 數(shù)據(jù)來源72-73
• 6.1.2 系統(tǒng)功能需求73-74
• 6.1.3 系統(tǒng)其他需求74-75
• 6.2 系統(tǒng)設(shè)計75-80
• 6.2.1 邏輯結(jié)構(gòu)設(shè)計75-76
• 6.2.2 物理結(jié)構(gòu)設(shè)計76-77
• 6.2.3 功能結(jié)構(gòu)設(shè)計77
• 6.2.4 數(shù)據(jù)庫設(shè)計77-80
• 6.3 本章小結(jié)80-81
• 7 結(jié)論與展望81-83
• 7.1 主要結(jié)論81
• 7.2 進一步的工作81-83
• 參考文獻83-87
• 作者簡歷87-89
• 學(xué)位論文數(shù)據(jù)集89

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前8條

1 肖俊,吳飛,莊越挺,張引;基于支持向量機與細節(jié)層次的三維地形識別與檢索[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2003年04期

2 夏國恩;曾紹華;金煒東;;支持向量回歸機在鐵路客運量時間序列預(yù)測中的應(yīng)用[J];計算機應(yīng)用研究;2006年10期

3 張華平,劉群;基于N-最短路徑方法的中文詞語粗分模型[J];中文信息學(xué)報;2002年05期

4 許曉斌,丁豐,林碧琴,袁保宗;基于K-MEANS算法的語境相關(guān)矢量量化[J];自動化學(xué)報;2000年03期

5 葉航軍,白雪生,徐光yP;基于支持向量機的人臉姿態(tài)判定[J];清華大學(xué)學(xué)報(自然科學(xué)版);2003年01期

6 王景雷,吳景社,孫景生,齊學(xué)斌;支持向量機在地下水位預(yù)報中的應(yīng)用研究[J];水利學(xué)報;2003年05期

7 李光東 ,國敢;中國鐵路新一代分散自律調(diào)度集中系統(tǒng)(CTC)[J];鐵路計算機應(yīng)用;2004年03期

8 張利;張云飛;李曉敏;;自動監(jiān)控系統(tǒng)在地鐵環(huán)境控制中的應(yīng)用[J];現(xiàn)代城市軌道交通;2009年06期

，

本文編號：1050259