| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-10页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题来源及研究的背景与意义 | 第10-11页 |
| 1.1.1 课题的来源 | 第10页 |
| 1.1.2 课题的背景与意义 | 第10-11页 |
| 1.2 国内外研究现状及评述 | 第11-14页 |
| 1.3 主要研究内容、技术路线 | 第14-17页 |
| 1.3.1 主要研究内容 | 第14-15页 |
| 1.3.2 技术路线图 | 第15-17页 |
| 第2章 数据集成方法研究及客流数据集市构建需求分析 | 第17-25页 |
| 2.1 常用数据集成方法研究 | 第17-19页 |
| 2.1.1 基于联邦数据库的数据集成方法 | 第17页 |
| 2.1.2 基于中间件的数据集成方法 | 第17-18页 |
| 2.1.3 基于数据仓库与数据集市的数据集成方法 | 第18-19页 |
| 2.2 选择数据集市原因分析 | 第19-20页 |
| 2.3 数据集市多层结构简介 | 第20页 |
| 2.4 航站楼客流数据集市构建需求分析 | 第20-24页 |
| 2.4.1 分析及挖掘主题的确定 | 第21页 |
| 2.4.2 确定主题涉及的数据源 | 第21-23页 |
| 2.4.3 系统功能的需求确定 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 航站楼客流数据挖掘体系设计 | 第25-33页 |
| 3.1 整体结构设计 | 第25-26页 |
| 3.2 数据源 | 第26-27页 |
| 3.3 数据 ETL | 第27-29页 |
| 3.3.1 数据抽取 | 第27-28页 |
| 3.3.2 数据清洗 | 第28页 |
| 3.3.3 数据转换 | 第28-29页 |
| 3.3.4 数据装载 | 第29页 |
| 3.4 多维模型构建 | 第29-30页 |
| 3.5 OLAM 设计 | 第30-31页 |
| 3.6 本章小结 | 第31-33页 |
| 第4章 数据预处理及探索式数据分析 | 第33-59页 |
| 4.1 实例数据描述 | 第33页 |
| 4.2 数据预处理 | 第33-41页 |
| 4.2.1 缺失值的预处理 | 第33-37页 |
| 4.2.2 重复值数据处理 | 第37页 |
| 4.2.3 新字段的构建 | 第37-38页 |
| 4.2.4 错误及噪声数据处理 | 第38-41页 |
| 4.2.5 数据转换 | 第41页 |
| 4.3 探索式数据分析 | 第41-58页 |
| 4.3.1 航班数分布分析 | 第42-45页 |
| 4.3.2 旅客流量分析 | 第45-50页 |
| 4.3.3 旅客提前到达规律及影响属性分析 | 第50-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第5章 基于数据挖掘的客流预测 | 第59-84页 |
| 5.1 预测方法相关基础理论简介 | 第59-61页 |
| 5.1.1 两步聚类法 | 第59-60页 |
| 5.1.2 C5.0 决策树算法 | 第60页 |
| 5.1.3 K-最近邻分类法 | 第60-61页 |
| 5.2 聚类、决策树、K-最近邻相结合的航站楼客流预测模型 | 第61-73页 |
| 5.2.1 预测模型整体架构 | 第61-62页 |
| 5.2.2 聚类、决策树结合模型 | 第62-69页 |
| 5.2.3 K-最近邻航段识别模型 | 第69-73页 |
| 5.3 模型结果处理 | 第73-76页 |
| 5.4 预测结果分析 | 第76-82页 |
| 5.5 方法实际应用说明 | 第82-83页 |
| 5.6 本章小结 | 第83-84页 |
| 结论 | 第84-86页 |
| 结论 | 第84页 |
| 研究展望 | 第84-86页 |
| 参考文献 | 第86-89页 |
| 攻读学位期间发表的学术论文成果 | 第89-91页 |
| 致谢 | 第91页 |