致谢 | 第5-6页 |
摘要 | 第6-7页 |
ABSTRACT | 第7-8页 |
1 绪论 | 第11-17页 |
1.1 问题的提出 | 第11-12页 |
1.2 文献研究综述 | 第12-15页 |
1.2.1 票额分配管理研究现状 | 第12-14页 |
1.2.2 预警技术研究现状 | 第14-15页 |
1.2.3 研究现状总结 | 第15页 |
1.3 研究内容及技术路线 | 第15-17页 |
2 铁路客票销售预警业务分析 | 第17-28页 |
2.1 面向收益管理的铁路客运售票组织策略 | 第17-21页 |
2.1.1 收益管理在我国铁路客运业的应用分析 | 第17-19页 |
2.1.2 具有中国铁路特色的收益管理——售票组织管理 | 第19-21页 |
2.2 客票销售业务分析 | 第21-26页 |
2.2.1 预售期前 | 第22-24页 |
2.2.2 预售期内 | 第24-25页 |
2.2.3 预售期后 | 第25-26页 |
2.3 客票销售预警业务 | 第26-27页 |
2.4 本章小结 | 第27-28页 |
3 客票销售过程特征提取及销售结果分析 | 第28-43页 |
3.1 客票销售预警的数据基础 | 第28-29页 |
3.2 客票销售过程数据分析 | 第29-33页 |
3.2.1 客票售出数据分析 | 第30-31页 |
3.2.2 客票余票数据分析 | 第31-33页 |
3.3 客票销售预警数据预处理 | 第33-34页 |
3.4 面向预警的客票销售过程数据抽取 | 第34-39页 |
3.4.1 预售期内预警数据基础 | 第34-35页 |
3.4.2 客票销售过程的特征属性提取及其表示 | 第35-39页 |
3.5 面向预警的客票销售结果类型抽取 | 第39-42页 |
3.5.1 客票销售结果类型分析 | 第39页 |
3.5.2 客票销售结果分类标签提取及表示 | 第39-42页 |
3.6 本章小结 | 第42-43页 |
4 面向客票销售预警的分类学习算法 | 第43-51页 |
4.1 分类学习的概念及基本方法 | 第43-45页 |
4.2 基于贝叶斯分类的客票销售预警问题建模 | 第45-48页 |
4.2.1 贝叶斯分类基础 | 第46-47页 |
4.2.2 客票销售预警问题模型 | 第47-48页 |
4.3 面向预警的贝叶斯分类方法 | 第48-50页 |
4.4 本章小结 | 第50-51页 |
5 客票销售预警分类实证研究 | 第51-65页 |
5.1 实验数据和环境 | 第51-55页 |
5.1.1 数据基础 | 第51-52页 |
5.1.2 数据预处理 | 第52-55页 |
5.2 实证过程及结果 | 第55-64页 |
5.2.1 单一样本预警算例 | 第56-62页 |
5.2.2 大样本应用情况 | 第62-64页 |
5.3 本章小结 | 第64-65页 |
6 结论及展望 | 第65-67页 |
6.1 主要研究工作总结 | 第65页 |
6.2 需要进一步研究的问题 | 第65-67页 |
参考文献 | 第67-69页 |
附录A | 第69-72页 |
附录B | 第72-76页 |
作者简历 | 第76-78页 |
学位论文数据集 | 第78页 |