首页--数理科学和化学论文--计算数学论文--数学模拟、近似计算论文--数学模拟论文

基于改进贝叶斯网络结构学习的航班延误波及分析

中文摘要第1-4页
ABSTRACT第4-9页
第一章 概述第9-23页
   ·问题的提出第9-10页
   ·研究意义第10-11页
   ·航班延误与波及问题概述第11-13页
     ·航班延误问题第11-12页
     ·离港延误第12页
     ·连续航班延误与波及第12-13页
   ·航班延误与波及问题国内外研究现状第13-19页
   ·基于贝叶斯网络学习的知识发现第19-20页
   ·主要研究思路及方法第20-22页
   ·论文框架第22-23页
第二章 贝叶斯网络学习第23-44页
   ·贝叶斯概率第23-25页
   ·贝叶斯网络第25-26页
   ·贝叶斯网络参数学习第26-32页
     ·完备数据集下参数的学习第26-29页
     ·不完备数据集下的参数学习第29-32页
   ·贝叶斯网络结构学习第32-43页
     ·基于搜索评分的结构学习第32-33页
     ·模型选择第33-38页
     ·模型优化第38-43页
   ·本章小结第43-44页
第三章 高评分优先遗传模拟退火贝叶斯网络结构学习算法第44-62页
   ·基于模拟退火算法的贝叶斯网络结构学习第44-49页
     ·模拟退火算法基本思想第44-45页
     ·基于模拟退火算法的贝叶斯网络结构学习第45-49页
   ·基于遗传算法的贝叶斯网络结构学习第49-56页
     ·遗传算法基本思想第49-50页
     ·基于遗传算法的贝叶斯网络结构学习第50-56页
   ·高评分优先遗传模拟退火贝叶斯网络结构学习算法-HSPGSA第56-61页
     ·HSPGSA算法框图第56-59页
     ·HSPGSA算法描述第59-61页
   ·本章小结第61-62页
第四章 基于遗传禁忌搜索的贝叶斯网络结构学习算法第62-74页
   ·禁忌搜索算法的基本思想第62-64页
     ·禁忌搜索算法描述第62-63页
     ·禁忌搜索算法特点第63-64页
   ·基于遗传禁忌搜索的贝叶斯网络结构学习算法-GATS第64-73页
     ·GATS算法框图第64页
     ·基于禁忌搜索的遗传算子的改进第64-70页
     ·GATS算法描述第70-73页
   ·本章小结第73-74页
第五章 改进的贝叶斯网络结构学习算法实验分析第74-80页
   ·实验数据集第74-75页
   ·实验统计量第75页
   ·实验分析第75-79页
     ·实验描述第76页
     ·数据分析第76-78页
     ·贝叶斯网络结构学习结果第78-79页
   ·本章小结第79-80页
第六章 航班延误波及分析第80-101页
   ·基于HSPGSA的机场航班离港延误模型的建立第80-85页
     ·数据来源与数据描述第80-82页
     ·HSPGSA算法参数描述与设置第82-83页
     ·机场航班离港延误模型结构第83-85页
   ·枢纽机场航班离港延误分析第85-88页
     ·正常航班情况描述第86页
     ·离港延误情况分析第86-87页
     ·机场主要航空公司航班离港延误统计第87-88页
   ·基于GATS的航空公司连续航班延误波及模型的建立第88-93页
     ·数据来源与数据描述第89-90页
     ·GATS算法参数描述与设置第90-92页
     ·航空公司连续航班延误波及模型结构第92-93页
   ·航空公司连续航班延误波及分析第93-100页
     ·参数学习第93-95页
     ·连续航班延误原因分析第95-96页
     ·连续航班过站时间分析第96页
     ·连续航班延误波及分析第96-99页
     ·测试误差第99-100页
   ·本章小结第100-101页
总结与展望第101-105页
 1 论文工作总结第101-102页
 2 创新点第102-104页
 3 研究展望第104-105页
参考文献第105-110页
附录第110-112页
发表论文和科研情况说明第112-113页
致谢第113页

论文共113页,点击 下载论文
上一篇:卓越绩效模式类目相关性分析研究
下一篇:我国公交行业的制度变迁:基于制度理论的分析