| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·课题背景及意义 | 第10页 |
| ·国内外研究的技术现状分析 | 第10-13页 |
| ·航班延误的研究现状 | 第10-11页 |
| ·人群状态与行为的研究现状 | 第11-13页 |
| ·民航中关于群体性事件应急处置的研究现状 | 第13页 |
| ·本文的主要工作安排 | 第13-15页 |
| 第二章 基于加权马尔科夫链与贝叶斯分析的离港航班延误预测 | 第15-35页 |
| ·航班延误的相关概念 | 第15-16页 |
| ·航班延误相关法律解释 | 第15页 |
| ·航班延误业内标准 | 第15-16页 |
| ·基于加权马尔科夫链的航班延误量预测方法 | 第16-19页 |
| ·马尔科夫链的基本理论 | 第16页 |
| ·加权马尔科夫链的预测算法 | 第16-19页 |
| ·基于贝叶斯网络的离港航班延误分析 | 第19-22页 |
| ·贝叶斯定理 | 第19页 |
| ·贝叶斯网络 | 第19-21页 |
| ·离港航班延误的贝叶斯分析 | 第21-22页 |
| ·算例验证及实验分析 | 第22-33页 |
| ·延误量的算例验证 | 第22-28页 |
| ·延误原因与时间分析的算例验证 | 第28-31页 |
| ·实验分析 | 第31-33页 |
| ·本章小结 | 第33-35页 |
| 第三章 基于人员识别与核密度聚类的人群特征提取 | 第35-51页 |
| ·监控图像预处理 | 第35-36页 |
| ·人员识别与提取算法 | 第36-44页 |
| ·SA-AdaBoostSVM 算法 | 第37-41页 |
| ·纹理分析算法 | 第41-44页 |
| ·基于核密度估计的人群空间聚类算法 | 第44-47页 |
| ·相关定义 | 第44-45页 |
| ·基本算法 | 第45-47页 |
| ·实验验证 | 第47-50页 |
| ·人群密度 | 第47页 |
| ·聚集外形 | 第47-48页 |
| ·实验结果及分析 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第四章 航班延误引发的衍生事件事件预警模型 | 第51-61页 |
| ·引论 | 第51-53页 |
| ·群体性事件的含义 | 第51-52页 |
| ·研究框架 | 第52-53页 |
| ·航班延误及衍生事件预警模型构建 | 第53-60页 |
| ·预警指标体系的建立 | 第53-54页 |
| ·预警量级的构建 | 第54-58页 |
| ·实验结果与验证 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| ·论文总结 | 第61-62页 |
| ·未来展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 在学期间的研究成果及发表的学术论文 | 第67页 |