首页--航空、航天论文--航空飞行术论文--飞机飞行安全论文

基于QAR的数据挖掘应用基础研究

摘要第4-5页
abstract第5页
第一章 绪论第13-24页
    1.1 研究背景及意义第13-14页
        1.1.1 研究背景第13页
        1.1.2 研究意义第13-14页
    1.2 国内外研究综述第14-19页
        1.2.1 飞行数据记录系统第14-16页
        1.2.2 飞行品质监控第16页
        1.2.3 飞行数据的应用第16页
        1.2.4 数据挖掘方法总结第16-19页
    1.3 实验平台的选取第19-23页
    1.4 本文主要研究内容与章节安排第23-24页
第二章 基于SVM的发动机状态参数预测研究第24-40页
    2.1 SVM算法第24-29页
        2.1.1 SVM基本概念第24-25页
        2.1.2 最优间隔分类器第25-26页
        2.1.3 松弛变量与惩罚因子第26-27页
        2.1.4 核函数第27-29页
    2.2 QAR数据预处理第29-34页
        2.2.1 特征选取第29-30页
        2.2.2 数据清洗第30-33页
        2.2.3 数据归一化第33-34页
    2.3 SVM预测精度分析第34-37页
        2.3.1 平均相对变动值第34-35页
        2.3.2 SVM预测模型参数分析第35-37页
    2.4 高压转子转速预测实验第37-39页
        2.4.1 实验流程第37-38页
        2.4.2 发动机高压转子转速2N预测结果分析第38-39页
    2.5 本章小结第39-40页
第三章 两种方法在研究飞行参数相关关系上的应用第40-51页
    3.1 重着陆第40页
    3.2 灰色关联分析第40-41页
        3.2.1 概念描述第40页
        3.2.2 计算方法第40-41页
    3.3 灰色关联分析实验第41-47页
        3.3.1 机队整体着陆载荷分析第41-42页
        3.3.2 灰色关联度分析第42-47页
    3.4 典型相关分析第47-48页
        3.4.1 概念描述第47页
        3.4.2 计算步骤第47-48页
    3.5 典型相关分析实验第48-50页
        3.5.1 单个航段典型相关分析实验第48-49页
        3.5.2 基于所有数据的典型相关实验第49-50页
    3.6 本章小结第50-51页
第四章 基于密度聚类的航段异常检测研究第51-61页
    4.1 基于密度聚类的数据挖掘算法第51-52页
    4.2 数据降维第52-53页
    4.3 聚类分析第53-54页
    4.4 基于密度聚类异常检测第54-60页
        4.4.1 PCA数据降维第55-56页
        4.4.2 M与?的选取第56-57页
        4.4.3 起飞爬升阶段分析第57-59页
        4.4.4 进近着陆阶段分析第59-60页
    4.5 本章小结第60-61页
第五章 总结与展望第61-63页
    5.1 本文所做工作总结第61页
    5.2 未来研究工作展望第61-63页
参考文献第63-66页
致谢第66-67页
在学期间的研究成果及发表的学术论文第67页

论文共67页,点击 下载论文
上一篇:基于深度学习的民机系统维修决策研究
下一篇:飞机总装脉动生产线平衡问题研究与应用