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 |