| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 机场商业智能研究与应用现状 | 第11-12页 |
| 1.2.2 机场流程挖掘研究与应用现状 | 第12-13页 |
| 1.2.3 机场预测建模研究与应用现状 | 第13-14页 |
| 1.3 论文主要内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第二章 相关理论研究 | 第16-24页 |
| 2.1 流程挖掘相关理论基础 | 第16-19页 |
| 2.1.1 事件与事件日志 | 第16页 |
| 2.1.2 事件日志分析 | 第16-18页 |
| 2.1.3 事件日志与流程模型的联系 | 第18-19页 |
| 2.2 信息网络分析技术相关理论基础 | 第19-21页 |
| 2.2.1 信息网络结点排序算法 | 第20-21页 |
| 2.2.2 信息网络结点聚类算法 | 第21页 |
| 2.3 预测建模相关理论基础 | 第21-23页 |
| 2.3.1 预测建模方法的类型 | 第21-22页 |
| 2.3.2 分层神经网络简介 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于信息网络的机场事件分析 | 第24-33页 |
| 3.1 机场事件二类型信息网络建模 | 第24-26页 |
| 3.1.1 机场案例的踪迹相似性 | 第24-25页 |
| 3.1.2 基于踪迹的机场事件二类型信息网络的构建 | 第25-26页 |
| 3.2 机场事件信息网络结点重要度评估方法 | 第26-28页 |
| 3.2.1 相关定义 | 第26-27页 |
| 3.2.2 排序评分的计算 | 第27-28页 |
| 3.3 基于踪迹聚类社区的组织实体重要度排序算法 | 第28-29页 |
| 3.4 实验设计与结果分析 | 第29-32页 |
| 3.4.1 交接网络对比实验 | 第29页 |
| 3.4.2 角色级别组织实体重要度排序实验 | 第29-30页 |
| 3.4.3 资源级别组织实体重要度排序实验 | 第30-31页 |
| 3.4.4 拓扑势重要度排序对比实验 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 基于活动挖掘的机场复杂事件提取 | 第33-44页 |
| 4.1 机场事件日志结构特征 | 第33-34页 |
| 4.2 RankClus混合模型 | 第34-36页 |
| 4.2.1 基于EM算法的模型参数估计 | 第34-35页 |
| 4.2.2 排序评分的计算 | 第35-36页 |
| 4.2.3 聚类中心和距离的计算 | 第36页 |
| 4.3 基于RankClus算法的事件日志活动挖掘算法 | 第36-38页 |
| 4.4 实验设计与结果分析 | 第38-43页 |
| 4.4.1 机场事件日志活动聚类实验 | 第38-39页 |
| 4.4.2 机场事件日志一致性检测实验 | 第39-41页 |
| 4.4.3 流程模型结构复杂度对比实验 | 第41-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 机场复杂事件预测模型研究 | 第44-52页 |
| 5.1 机场复杂事件预测模型构建 | 第44-45页 |
| 5.1.1 训练样本与预测目标 | 第44-45页 |
| 5.1.2 复杂事件前馈神经网络预测模型 | 第45页 |
| 5.2 复杂事件预测模型参数学习 | 第45-48页 |
| 5.2.1 相关定义 | 第46页 |
| 5.2.2 雅可比矩阵计算 | 第46-48页 |
| 5.3 机场复杂事件预测模型学习算法 | 第48页 |
| 5.4 实验设计与结果分析 | 第48-50页 |
| 5.4.1 预测误差对比实验 | 第48-50页 |
| 5.4.2 预测模型性能对比实验 | 第50页 |
| 5.5 本章小结 | 第50-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 全文总结 | 第52-53页 |
| 6.2 展望 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-60页 |
| 作者简介 | 第60页 |