摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-17页 |
1.1 研究背景及研究意义 | 第11页 |
1.2 国内外研究现状与发展趋势 | 第11-14页 |
1.2.1 国外研究现状 | 第11-12页 |
1.2.2 国内研究现状 | 第12-14页 |
1.3 论文主要内容及整体结构 | 第14-17页 |
1.3.1 论文的研究目标及主要内容 | 第14-15页 |
1.3.2 论文的章节分布 | 第15-16页 |
1.3.3 论文的整体框架 | 第16-17页 |
第二章 构建航空器冲突解脱方案的数据仓库系统 | 第17-31页 |
2.1 数据仓库与数据挖掘 | 第17-20页 |
2.1.1 数据仓库概述 | 第17-18页 |
2.1.2 数据仓库与数据库 | 第18-19页 |
2.1.3 数据挖掘概述及简要步骤 | 第19-20页 |
2.2 基于航空器冲突解脱的数据仓库结构体系 | 第20-24页 |
2.2.1 航空器安全间隔与冲突等级 | 第20-22页 |
2.2.2 数据仓库结构模型 | 第22-24页 |
2.3 航空器冲突解脱数据仓库设计与开发 | 第24-30页 |
2.3.1 需求分析 | 第25-26页 |
2.3.2 概念模型设计 | 第26-27页 |
2.3.3 逻辑模型设计 | 第27-28页 |
2.3.4 物理模型设计 | 第28-30页 |
2.4 本章小结 | 第30-31页 |
第三章 基于粗糙集理论的航空器飞行冲突属性约简 | 第31-39页 |
3.1 粗糙集理论 | 第31-33页 |
3.1.1 粗糙集理论概述 | 第31页 |
3.1.2 粗糙集的属性约简 | 第31-32页 |
3.1.3 粗糙集属性约简方法 | 第32页 |
3.1.4 属性重要度算法 | 第32-33页 |
3.2 粗糙集理论在航空器飞行冲突数据处理上的应用 | 第33-37页 |
3.2.1 航空器飞行冲突解脱决策表 | 第33-34页 |
3.2.2 属性重要度计算样例 | 第34-36页 |
3.2.3 航空器飞行冲突解脱属性约简 | 第36-37页 |
3.2.4 条件属性权重分配 | 第37页 |
3.3 本章小结 | 第37-39页 |
第四章 粗糙集与神经网络结合的航空器冲突解脱方法分类模型 | 第39-45页 |
4.1 神经网络原理 | 第39页 |
4.2 粗糙集用于神经网络数据预处理 | 第39-41页 |
4.2.1 粗糙集理论与神经网络的联系 | 第39-40页 |
4.2.2 利用粗糙集进行数据预处理原则 | 第40页 |
4.2.3 粗糙集预处理数据流程 | 第40-41页 |
4.3 对航空器冲突解脱方法进行分类预测的BP神经网络设计 | 第41-42页 |
4.4 粗糙集与神经网络相结合的航空器冲突解脱方法预测模型 | 第42-44页 |
4.4.1 预测模型体系结构 | 第42-43页 |
4.4.2 系统基本流程 | 第43-44页 |
4.4.3 使用的工具 | 第44页 |
4.5 本章小结 | 第44-45页 |
第五章 粗糙集与神经网络构建航空器冲突解脱方案模型的应用 | 第45-50页 |
5.1 粗糙集属性约简样本数据 | 第45-46页 |
5.2 神经网络的MATLAB训练构建 | 第46-47页 |
5.3 神经网络测试 | 第47-48页 |
5.4 相关方法比较 | 第48-49页 |
5.5 本章小结 | 第49-50页 |
第六章 基于案例推理的典型案例库匹配 | 第50-64页 |
6.1 基于案例的推理 | 第50-51页 |
6.1.1 案例推理的概念 | 第50页 |
6.1.2 案例推理的工作原理及基本步骤 | 第50-51页 |
6.1.3 案例推理的特点及应用 | 第51页 |
6.2 构建航空器冲突解脱典型案例库 | 第51-54页 |
6.2.1 航空器冲突情况分类 | 第51-52页 |
6.2.2 冲突解脱方法选取原则 | 第52-53页 |
6.2.3 常见的冲突解脱方案 | 第53页 |
6.2.4 构建冲突解脱典型案例库 | 第53-54页 |
6.3 航空器飞行冲突解脱方法的案例检索 | 第54-59页 |
6.3.1 基于粗糙集和神经网络的案例检索模型 | 第54-55页 |
6.3.2 案例相似度计算 | 第55-57页 |
6.3.3 基于案例推理的航空器冲突解脱方法识别率 | 第57-59页 |
6.4 冲突实例应用 | 第59-63页 |
6.4.1 同向航迹冲突解脱情况实例 | 第59-60页 |
6.4.2 逆向航迹冲突解脱情况实例 | 第60-61页 |
6.4.3 交叉航迹冲突解脱情况实例 | 第61-63页 |
6.5 本章小结 | 第63-64页 |
第七章 结论与展望 | 第64-66页 |
7.1 论文结论 | 第64页 |
7.2 总结与展望 | 第64-66页 |
致谢 | 第66-67页 |
参考文献 | 第67-70页 |
作者简介 | 第70页 |