| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 多维时间序列聚类算法研究现状 | 第11-12页 |
| 1.2.2 飞行数据异常检测研究现状 | 第12-13页 |
| 1.2.3 单维时间序列异常检测相关研究 | 第13-14页 |
| 1.3 论文主要研究内容 | 第14-15页 |
| 1.4 本文结构安排 | 第15-16页 |
| 第二章 相关理论知识 | 第16-25页 |
| 2.1 符号表示与相关定义 | 第16-17页 |
| 2.2 多维时间序列聚类与异常检测相关算法 | 第17-23页 |
| 2.2.1 MUTSCA | 第17-19页 |
| 2.2.2 基于压缩度量的聚类算法 | 第19-20页 |
| 2.2.3 主成分分析与高斯混合模型 | 第20-21页 |
| 2.2.4 基于聚类的航班异常检测算法 | 第21-22页 |
| 2.2.5 均值子序列生成算法 | 第22-23页 |
| 2.3 飞行品质监控相关概念 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 面向不等长多维时间序列的聚类改进算法 | 第25-34页 |
| 3.1 MUTSCA | 第25-28页 |
| 3.1.1 本文时间序列的等频离散化 | 第25-26页 |
| 3.1.2 基于k-means的LRCE向量集聚类方法 | 第26-28页 |
| 3.2 实验结果与分析 | 第28-33页 |
| 3.2.1 实验准备与数据集介绍 | 第28-29页 |
| 3.2.2 本文等频离散化方法评估 | 第29-31页 |
| 3.2.3 MUTSCA | 第31-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第四章 基于HC-PCA的QAR数据异常检测 | 第34-52页 |
| 4.1 基于HC-PCA的QAR数据异常检测方法 | 第34-40页 |
| 4.1.1 基于k-medoids的数据平滑算法 | 第35-37页 |
| 4.1.2 基于HC-PCA的QAR数据异常检测 | 第37-40页 |
| 4.2 实验准备与数据处理 | 第40-42页 |
| 4.2.1 参数选取 | 第41页 |
| 4.2.2 数据集说明 | 第41-42页 |
| 4.3 实验内容与结果分析 | 第42-51页 |
| 4.3.1 离群航班检测算法实验结果与分析 | 第42-44页 |
| 4.3.2 QAR异常细节定位实验 | 第44-46页 |
| 4.3.3 QAR异常数据片段分析 | 第46-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 作者简介 | 第58页 |