高速列车智能自主定位模型与在线学习算法：基于应答器实测数据的机器学习

1 概述
1．1 高速铁路的发展
1．1．1 世界高铁发展现状
1．1．2 国内高铁发展技术简介
1．2 高速列车的发展
1．3 高速列车定位技术的发展
1．4 本书的结构
参考文献
2 高速列车运行控制系统
2．1 欧洲的高速列车控制系统
2．2 日本的高速列车控制系统
2．3 中国的高速列车控制系统
2．4 高速列车定位系统的关键技术
2．4．1 地-车信息传输
2．4．2 列车测速与定位
2．5 本章小结
参考文献
3 高速列车定位系统与关键技术
3．1 高速列车定位系统
3．2 测速定位系统
3．3 卫星定位技术
3．4 应答器定位
3．5 本章小结
参考文献
4 利用应答器数据的列车位置计算模型
4．1 CTCS-3级列控系统介绍
4．1．1 无线闭塞中心
4．1．2 铁路综合数字移动通信系统
4．1．3 车载设备
4．2 高速列车位置计算模型
4．2．1 无线消息
4．2．2 建立列车位置计算模型
4．3 数据预处理及评价指标
4．3．1 数据预处理
4．3．2 评价指标
4．4 基于速度平均法的位置计算算法
4．5 本章小结
参考文献
5 基于SVM的高速列车智能定位模型与学习算法
5．1 基于最小二乘法的位置计算算法
5．1．1 最小二乘法的创立
5．1．2 最小二乘法的原理
5．1．3 最小二乘法位置计算模型
5．2 基于支持向量机的位置计算算法
5．2．1 支持向量机简介
5．2．2 支持向量机的优点
5．2．3 支持向量回归机
5．2．4 支持向量机位置计算模型
5．3 基于最小二乘支持向量机的位置计算算法
5．3．1 最小二乘支持向量机简介
5．3．2 最小二乘支持向量机位置计算模型
5．4 在线学习策略
5．5 本章小结
参考文献
6 基于SVM的高速列车智能定位软件开发
6．1 图形用户界面GUI介绍
6．2 软件总体设计
6．3 软件模块设计
6．4 软件操作步骤
6．5 武广高铁数据集分析
6．6 本章小结
参考文献
7 基于神经网络的高速列车定位模型与学习算法
7．1 京沪高铁与数据集介绍
7．2 BP神经网络模型
7．3 RBF神经网络模型
7．4 ANFIS神经网络模型
7．5 各定位模型比较与在线学习算法
7．5．1 训练集结果分析与对比
7．5．2 验证集结果分析与对比
7．5．3 验证集参数在线学习方法与非在线学习方法分析与对比
7．6 本章小结
参考文献
8 基于神经网络的高速列车定位软件开发
8．1 软件架构与总体设计
8．2 数据载入模块
8．3 数据处理模块
8．4 结果显示模块
8．5 软件应用
8．5．1 软件数据准备
8．5．2 软件操作步骤
8．6 本章小结
参考文献
9 各种智能定位模型的综合比较
9．1 6种智能定位模型的复杂度分析
9．2 无在线学习的比较
9．2．1 京沪高铁数据集的分析
9．2．2 武广高铁数据集的分析
9．2．3 郑西高铁数据集的分析
9．3 两种在线学习策略的比较
9．3．1 京沪高铁数据集在线学习方法分析
9．3．2 武广高铁数据集在线学习方法分析
9．3．3 郑西高铁数据集在线学习方法分析
9．4 本章小结
10 总结与展望
10．1 总结
10．2 展望