面向民航需求建模的用户查询日志大数据分析方法研究与实现
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究目的及意义 | 第11页 |
| 1.3 研究现状 | 第11-13页 |
| 1.4 主要研究内容 | 第13-14页 |
| 1.5 论文组织结构 | 第14-15页 |
| 2 相关理论知识 | 第15-24页 |
| 2.1 多分类 | 第15-19页 |
| 2.1.1 K-分类算法 | 第15-16页 |
| 2.1.2 二分类支持向量机 | 第16页 |
| 2.1.3 组合多分类器 | 第16-17页 |
| 2.1.4 多分类支持向量机 | 第17-18页 |
| 2.1.5 多分类线性规则算法 | 第18-19页 |
| 2.2 回归预测 | 第19-23页 |
| 2.2.1 线性回归 | 第19-21页 |
| 2.2.2 非线性回归 | 第21-22页 |
| 2.2.3 虚拟变量回归 | 第22-23页 |
| 2.2.4 回归预测算法总结 | 第23页 |
| 2.3 本章小结 | 第23-24页 |
| 3 数据处理 | 第24-33页 |
| 3.1 基本定义 | 第24-25页 |
| 3.2 查询日志 | 第25-29页 |
| 3.3 数据筛选 | 第29-31页 |
| 3.4 历史客运数据 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 4 渠道查询行为研究与分类 | 第33-47页 |
| 4.1 问题定义 | 第33-34页 |
| 4.2 特征构造 | 第34-40页 |
| 4.2.1 时间序列特征 | 第35-38页 |
| 4.2.2 内容分布特征 | 第38-40页 |
| 4.3 分类实验与分析 | 第40-46页 |
| 4.3.1 分类算法构造 | 第40-41页 |
| 4.3.2 评价指标 | 第41-42页 |
| 4.3.3 实验结果与分析 | 第42-46页 |
| 4.4 本章小结 | 第46-47页 |
| 5 需求预测建模 | 第47-56页 |
| 5.1 问题定义 | 第47-48页 |
| 5.2 模型构建 | 第48-51页 |
| 5.2.1 天活跃需求 | 第48-50页 |
| 5.2.2 乘行量预测 | 第50-51页 |
| 5.3 实验及分析 | 第51-55页 |
| 5.3.1 热门与冷门航线需求预测对比 | 第51-53页 |
| 5.3.2 周期性假期需求预测对比 | 第53页 |
| 5.3.3 突发性事件需求预测对比 | 第53-55页 |
| 5.4 本章小结 | 第55-56页 |
| 6 结论 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第60-62页 |
| 学位论文数据集 | 第62页 |
