| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第一章 引言 | 第12-23页 |
| 第一节 研究的背景 | 第12-14页 |
| 一、航空业务规模不断壮大 | 第12-13页 |
| 二、主流票务推荐系统不够完善 | 第13-14页 |
| 三、Rough集与粒计算理论在知识发现中的快速发展 | 第14页 |
| 第二节 国内外研究综述 | 第14-19页 |
| 一、粒计算框架下的Rough集理论的应用研究现状 | 第14-17页 |
| 二、推荐算法理论的应用研究现状 | 第17-19页 |
| 第三节 研究的主要工作及创新点和论文结构安排 | 第19-23页 |
| 一、研究的主要工作及创新点 | 第19-21页 |
| 二、论文的结构安排 | 第21-23页 |
| 第二章 Rough集理论与粒计算相关知识 | 第23-30页 |
| 第一节 粒计算统一框架下的Rough集相关理论 | 第23-26页 |
| 第二节 粒计算基本概念与Rough集模型 | 第26-29页 |
| 一、粒计算基本概念 | 第26-27页 |
| 二、粒计算的Rough集模型 | 第27-29页 |
| 第三节 小结 | 第29-30页 |
| 第三章 基于Rough集理论的数据离散化方法 | 第30-34页 |
| 第一节 数据离散化基本概念 | 第30-31页 |
| 第二节 基于断点重要度的离散化算法 | 第31-33页 |
| 第三节 小结 | 第33-34页 |
| 第四章 票务数据获取与预处理 | 第34-50页 |
| 第一节 数据来源与获取手段 | 第34-38页 |
| 第二节 原始数据离散化 | 第38-42页 |
| 一、基于Rough集的离散化理论 | 第39页 |
| 二、基于Rough集的离散化算法 | 第39-42页 |
| 第三节 票务数据的属性约简与值约简 | 第42-49页 |
| 一、决策表属性约简 | 第42-46页 |
| 二、决策表值约简算法 | 第46-49页 |
| 第四节 小结 | 第49-50页 |
| 第五章 基于多粒度的规则获取方法与决策规则生成 | 第50-60页 |
| 第一节 基于多粒度的增量式规则获取分析 | 第50-52页 |
| 第二节 基于可辨识矩阵的规则获取算法 | 第52-55页 |
| 第三节 决策规则生成 | 第55-58页 |
| 第四节 小结 | 第58-60页 |
| 第六章 航空票务推荐算法实现与分析 | 第60-66页 |
| 第一节 基于规则的票务推荐算法设计 | 第60-63页 |
| 一、推荐算法分析 | 第60-61页 |
| 二、推荐算法设计 | 第61-63页 |
| 第二节 票务推荐算法实验分析 | 第63-64页 |
| 一、算法数据处理速度对比分析 | 第63页 |
| 二、推荐算法性能对比分析 | 第63-64页 |
| 第三节 小结 | 第64-66页 |
| 第七章 总结与展望 | 第66-68页 |
| 第一节 论文的结论与创新点 | 第66页 |
| 第二节 不足之处与未来的工作展望 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 附录 | 第74-76页 |
| 致谢 | 第76-77页 |
| 在学期间研究成果和已发表的论文 | 第77页 |