| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 面向动态容量的区域管制扇区分类概述 | 第12-15页 |
| 1.2.1 基本概念 | 第12-13页 |
| 1.2.2 扇区分类方法 | 第13-14页 |
| 1.2.3 面向动态容量的扇区分类的关键要素 | 第14-15页 |
| 1.3 国内外研究概况 | 第15-18页 |
| 1.3.1 扇区动态容量评估研究概况 | 第15页 |
| 1.3.2 聚类分析研究概况 | 第15-18页 |
| 1.4 本文研究内容 | 第18-20页 |
| 第二章 基于加权灰色关联度的管制员工作负荷影响因素分析 | 第20-32页 |
| 2.1 基本概念 | 第20-21页 |
| 2.1.1 管制员工作负荷定义 | 第20页 |
| 2.1.2 管制员工作负荷评估方法 | 第20-21页 |
| 2.2 基于灰熵优化的加权关联度计算 | 第21-24页 |
| 2.2.1 数据列确定及数据无量纲化处理 | 第21-22页 |
| 2.2.2 灰色关联系数计算 | 第22-23页 |
| 2.2.3 加权灰色关联度计算 | 第23-24页 |
| 2.3 基于加权关联度的管制员工作负荷影响因素分析 | 第24-31页 |
| 2.3.1 管制员工作负荷计算 | 第25页 |
| 2.3.2 管制员工作负荷影响因素指标 | 第25-28页 |
| 2.3.3 管制员工作负荷影响因素排序 | 第28-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 扇区动态容量影响因素的主成分分析 | 第32-46页 |
| 3.1 扇区动态容量影响因素分析 | 第32-34页 |
| 3.1.1 扇区容量影响因素归纳 | 第32-34页 |
| 3.1.2 静态因素与动态因素判别 | 第34页 |
| 3.2 影响因素指标选取 | 第34-38页 |
| 3.2.1 影响因素指标选取原则 | 第34-35页 |
| 3.2.2 关键影响因素指标选取 | 第35-37页 |
| 3.2.3 关键影响因素指标计算 | 第37-38页 |
| 3.3 主成分分析法 | 第38-40页 |
| 3.3.1 主成分分析法介绍 | 第38-39页 |
| 3.3.2 主成分分析法步骤 | 第39-40页 |
| 3.4 扇区动态容量影响因素的主成分分析 | 第40-45页 |
| 3.4.1 数据采集 | 第40-42页 |
| 3.4.2 主成分计算 | 第42-44页 |
| 3.4.3 主成分解释 | 第44-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 基于主成分得分的扇区分类 | 第46-58页 |
| 4.1 基于粒子群优化的K-means算法 | 第46-50页 |
| 4.1.1 算法介绍 | 第46-49页 |
| 4.1.2 PSO-Kmeans算法 | 第49-50页 |
| 4.2 基于PSO-Kmeans的扇区主成分得分聚类 | 第50-56页 |
| 4.2.1 k值的选取 | 第50-52页 |
| 4.2.2 扇区分类结果分析 | 第52-54页 |
| 4.2.3 扇区所属类别变化 | 第54-56页 |
| 4.3 分类结果与管制员工作负荷的关系 | 第56页 |
| 4.4 本章小结 | 第56-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58-59页 |
| 5.2 研究展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 附录 | 第66-71页 |
| 作者简介 | 第71页 |
