| 1． 绪论 | 第1-13页 |
| 1．1 民航事故分析的重大意义 | 第7页 |
| 1．2 民航事故分析的研究现状及存在问题 | 第7-10页 |
| 1．2．1 民航事故原因的复杂性 | 第7-9页 |
| 1．2．2 民航事故分析理论发展现状 | 第9-10页 |
| 1．2．3 民航事故分析信息化现状 | 第10页 |
| 1．3 论文研究的主要内容及结构 | 第10-13页 |
| 1．3．1 论文研究主要内容 | 第10-11页 |
| 1．3．2 论文结构 | 第11-13页 |
| 2． 决策支持系统理论及研究综述 | 第13-18页 |
| 2．1 决策支持系统 | 第13-14页 |
| 2．2 决策支持系统的发展现状与不足 | 第14页 |
| 2．3 基于数据仓库的决策支持系统 | 第14-16页 |
| 2．4 人工智能与决策支持系统 | 第16-18页 |
| 3． 基于遗传算法的多层次概念归纳算法研究 | 第18-38页 |
| 3．1 遗传算法概述 | 第19-27页 |
| 3．2 传统的面向属性的概念提升算法 | 第27-30页 |
| 3．2．1 传统的面向属性概念学习方法概述 | 第27-29页 |
| 3．2．2 传统概念提升算法中存在的问题 | 第29-30页 |
| 3．3 基于遗传算法的概念归纳算法的优势 | 第30-31页 |
| 3．4 对简单遗传算法的几点改进 | 第31-34页 |
| 3．5 基于改进遗传算法的概念归纳算法设计 | 第34-38页 |
| 3．5．1 问题描述 | 第34页 |
| 3．5．2 遗传策略 | 第34-35页 |
| 3．5．3 评价函数 | 第35-36页 |
| 3．5．4 概念归纳的遗传算法实现步骤 | 第36-38页 |
| 4． 基于概念归纳算法的民航事故数据挖掘模型建立 | 第38-52页 |
| 4．1 HFAS_DSS中数据挖掘子系统的体系结构 | 第38-40页 |
| 4．2 民航事故数据概念树的构建 | 第40-42页 |
| 4．3 基于遗传算法的数据仓库挖掘 | 第42-49页 |
| 4．4 民航事故知识发现结果与分析 | 第49-52页 |
| 4．4．1 算法性能分析 | 第49-50页 |
| 4．4．2 挖掘结果分析 | 第50-51页 |
| 4．4．3 基于智能技术的数据挖掘模型和AnalysisServices工具对比 | 第51-52页 |
| 5． 民航事故分析决策支持系统设计及实现 | 第52-73页 |
| 5．1 HFAS_DSS系统的分析 | 第52-55页 |
| 5．1．1 需求分析 | 第52-53页 |
| 5．1．2 技术分析 | 第53-54页 |
| 5．1．3 系统功能 | 第54-55页 |
| 5．2 HFAS_DSS系统设计 | 第55-61页 |
| 5．2．1 整体结构的设计 | 第55-56页 |
| 5．2．2 数据部分的设计 | 第56-61页 |
| 5．2．3 模型部分的设计 | 第61页 |
| 5．3 HFAS_DSS系统的实现 | 第61-73页 |
| 5．3．1 系统构成 | 第61-63页 |
| 5．3．2 数据部分的实现 | 第63-68页 |
| 5．3．3 模型部分的实现 | 第68-71页 |
| 5．3．4 人机界面的实现 | 第71-73页 |
| 6． 总结和展望 | 第73-76页 |
| 6．1 论文工作总结 | 第73-75页 |
| 6．2 未来展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 硕士期间发表论文 | 第80页 |