| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景 | 第11页 |
| 1.2 研究目的与意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-13页 |
| 1.4 研究内容及方法 | 第13页 |
| 1.5 论文组织与结构 | 第13-15页 |
| 第二章 机票价格预测技术概述 | 第15-26页 |
| 2.1 数据采集 | 第15-19页 |
| 2.1.1 网络爬虫 | 第15-17页 |
| 2.1.2 页面解析器HTMLPaser | 第17-19页 |
| 2.1.3 正则表达式 | 第19页 |
| 2.2 数据预处理方法 | 第19-20页 |
| 2.3 数据挖掘技术 | 第20-25页 |
| 2.3.1 关联分析 | 第20-21页 |
| 2.3.2 分类分析 | 第21-23页 |
| 2.3.3 聚类分析 | 第23-24页 |
| 2.3.4 序列分析 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 机票数据采集及预处理 | 第26-35页 |
| 3.1 机票数据获取 | 第26-31页 |
| 3.1.1 机票网站URL分析 | 第26-27页 |
| 3.1.2 网页结构分析 | 第27-29页 |
| 3.1.3 网页信息提取 | 第29-30页 |
| 3.1.4 机票数据获取结果分析 | 第30-31页 |
| 3.2 机票数据数据预处理 | 第31-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第四章 机票价格预测算法 | 第35-50页 |
| 4.1 KNN算法 | 第35-39页 |
| 4.1.1 KNN算法原理 | 第35-37页 |
| 4.1.2 针对KNN算法数据预处理 | 第37-38页 |
| 4.1.3 KNN算法分类结果分析 | 第38-39页 |
| 4.2 Q学习算法 | 第39-45页 |
| 4.2.1 Q学习算法基本模型 | 第39-40页 |
| 4.2.2 基于Q学习机票价格预测模型 | 第40-41页 |
| 4.2.3 基于Q学习机票价格预测模型实现 | 第41-43页 |
| 4.2.4 基于Q学习机票价格预测算法结果分析及评价 | 第43-45页 |
| 4.3 时间序列算法 | 第45-49页 |
| 4.3.1 基于时间序列机票预测算法 | 第45-46页 |
| 4.3.2 时间序列预测算法实现 | 第46-47页 |
| 4.3.3 基于时间序列算法结果分析及评价 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 机票价格预测主观Bayes集成模型 | 第50-56页 |
| 5.1 集成学习 | 第50页 |
| 5.2 不确定性推理 | 第50-51页 |
| 5.3 Bayes方法 | 第51-53页 |
| 5.3.1 Bayes公式 | 第51-52页 |
| 5.3.2 主观Bayes方法 | 第52-53页 |
| 5.4 机票价格预测主观Bayes模型 | 第53-55页 |
| 5.4.1 机票预测主观Bayes模型构建 | 第53-54页 |
| 5.4.2 机票预测主观Bayes模型实现 | 第54-55页 |
| 5.4.3 机票预测主观Bayes算法评价 | 第55页 |
| 5.5 本章小结 | 第55-56页 |
| 第六章 机票价格预测原型系统 | 第56-63页 |
| 6.1 系统设计 | 第56-57页 |
| 6.2 系统实现 | 第57-62页 |
| 6.3 系统性能分析 | 第62页 |
| 6.4 本章小结 | 第62-63页 |
| 第七章 总结与展望 | 第63-65页 |
| 7.1 全文总结 | 第63页 |
| 7.2 展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 作者简介 | 第70页 |