| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-16页 |
| 1.3 研究主要内容及创新点 | 第16页 |
| 1.4 论文的组织结构 | 第16-18页 |
| 第二章 相关理论与工具 | 第18-26页 |
| 2.1 网络爬虫 | 第18-19页 |
| 2.2 机票信息抓取 | 第19-21页 |
| 2.3 票价预测技术 | 第21-22页 |
| 2.4 贝叶斯算法理论 | 第22-24页 |
| 2.4.1 贝叶斯定理 | 第22页 |
| 2.4.2 贝叶斯学习 | 第22-23页 |
| 2.4.3 贝叶斯推理 | 第23-24页 |
| 2.5 Microsoft Visual Studio 2012 | 第24页 |
| 2.6 Microsoft SQL Server 2008 | 第24-25页 |
| 2.7 本章小结 | 第25-26页 |
| 第三章 贝叶斯网络与民航机票预测算法 | 第26-34页 |
| 3.1 多因素依赖关系的机票问题 | 第26-28页 |
| 3.2 贝叶斯定理 | 第28-29页 |
| 3.2.1 贝叶斯假设 | 第28-29页 |
| 3.2.2 贝叶斯定理 | 第29页 |
| 3.3 民航机票贝叶斯网络定义 | 第29-31页 |
| 3.4 贝叶斯网络学习 | 第31页 |
| 3.5 民航机票预测算法 | 第31-33页 |
| 3.5.1 算法定义 | 第31-32页 |
| 3.5.2 算法过程 | 第32-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第四章 民航机票预测系统设计 | 第34-48页 |
| 4.1 系统设计目标概述 | 第34页 |
| 4.2 系统平台框架设计 | 第34-35页 |
| 4.3 系统需求分析 | 第35-37页 |
| 4.3.1 当前现状 | 第35-36页 |
| 4.3.2 功能需求分析 | 第36-37页 |
| 4.3.3 非功能需求分析 | 第37页 |
| 4.4 系统设计 | 第37-43页 |
| 4.4.1 总体框架设计 | 第37-38页 |
| 4.4.2 系统总体处理流程 | 第38-39页 |
| 4.4.3 机票数据抓取模块设计 | 第39-40页 |
| 4.4.4 天气数据抓取模块设计 | 第40页 |
| 4.4.5 节假日定义与预测设计 | 第40-41页 |
| 4.4.6 总体评估设计 | 第41页 |
| 4.4.7 票价预测模块设计 | 第41-42页 |
| 4.4.8 机票预测模块设计 | 第42-43页 |
| 4.5 数据库设计 | 第43-47页 |
| 4.5.1 数据库概念结构设计 | 第43-44页 |
| 4.5.2 数据库逻辑结构设计 | 第44-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第五章 基于贝叶斯算法的民航机票预测系统实现 | 第48-58页 |
| 5.1 系统实现环境 | 第48页 |
| 5.2 功能模块实现 | 第48-57页 |
| 5.2.1 数据采集模块 | 第48-52页 |
| 5.2.2 登录模块 | 第52-53页 |
| 5.2.3 票价预测模块 | 第53-56页 |
| 5.2.4 机票预测模块 | 第56-57页 |
| 5.3 本章小结 | 第57-58页 |
| 第六章 系统测试 | 第58-64页 |
| 6.1 测试环境 | 第58页 |
| 6.2 测试用例 | 第58-61页 |
| 6.3 测试结果 | 第61-62页 |
| 6.4 系统性能对比 | 第62-63页 |
| 6.5 本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-68页 |
| 致谢 | 第68页 |