论文部分内容阅读
在现有的分析城市轨道交通车辆系统故障风险的文献中，通过机器学习的方式智能地对城市轨道车辆系统故障风险进行综合评价的算法还很少见。通过引入概念格相关理论，建立了一个基于概念格的城市轨道交通车辆系统故障风险综合评价算法（LRA）。与现有算法比较，LRA的优势表现在：第一，将连续数次检测数据作为评价数据，减少了因人为检测误差造成的错误警报概率。第二，现有算法往往在数据清理后再对数据进行分析，数据清理与数据分析的脱节加大了算法的时间和空间的复杂度；而LRA将数据清理与数据分析通过形式背景嫡统一到了一起，从而提高了