| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 前言 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 本文研究目的及任务 | 第11页 |
| 1.3 本文工作及创新点 | 第11-12页 |
| 1.4 本文的组织框架 | 第12-14页 |
| 第2章 相关理论研究 | 第14-32页 |
| 2.1 数据挖掘与分析 | 第14-24页 |
| 2.1.1 数据挖掘概念 | 第14-16页 |
| 2.1.2 数据挖掘的分类 | 第16-17页 |
| 2.1.3 数据挖掘的方法 | 第17-21页 |
| 2.1.4 机器学习 | 第21-24页 |
| 2.1.5 数据挖掘技术最新进展 | 第24页 |
| 2.2 离群点分析 | 第24-26页 |
| 2.2.1 离群点的定义 | 第25页 |
| 2.2.2 离群点产生原因 | 第25-26页 |
| 2.2.3 对离群点进行检测的原因 | 第26页 |
| 2.2.4 离群点检测遇到的困难 | 第26页 |
| 2.2.5 离群点检测研究热点及发展趋势 | 第26页 |
| 2.3 空管指令复诵的意义和内容 | 第26-28页 |
| 2.3.1 复诵的意义 | 第26-28页 |
| 2.3.2 复诵的内容 | 第28页 |
| 2.4 空管运行的特性 | 第28-29页 |
| 2.5 空管运行风险识别与分析 | 第29-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第3章 基于文本数据和陆空通话数据的处理 | 第32-45页 |
| 3.1 基于空管运行文本数据的处理 | 第32-39页 |
| 3.1.1 危险源控制单数据预处理 | 第32-34页 |
| 3.1.2 LDA模型建模及实现 | 第34-37页 |
| 3.1.3 算例应用 | 第37-39页 |
| 3.2 基于空管运行陆空通话数据的处理 | 第39-44页 |
| 3.2.1 复诵的错误种类 | 第39页 |
| 3.2.2 语音识别引擎选择 | 第39-40页 |
| 3.2.3 指令复诵错误的识别 | 第40-44页 |
| 3.3 本章小结 | 第44-45页 |
| 第4章 基于空管运行文本数据和陆空通话数据处理的风险识别与分析 | 第45-60页 |
| 4.1 基于属性约简的离群点检测算法 | 第45-49页 |
| 4.1.1 算法涉及的基本概念 | 第45-47页 |
| 4.1.2 算法的步骤和描述 | 第47-49页 |
| 4.2 风险识别指标建立 | 第49-55页 |
| 4.2.1 指标体系建立原则 | 第49-50页 |
| 4.2.2 指标体系的构成 | 第50-55页 |
| 4.3 风险分析 | 第55-59页 |
| 4.4 本章小结 | 第59-60页 |
| 总结与展望 | 第60-62页 |
| 总结 | 第60页 |
| 展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 附录 | 第65-73页 |
| 攻读硕士学位期间取得的学术成果 | 第73-74页 |
| 致谢 | 第74页 |