基于订票行为的航空旅客划分方法研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第13-17页 |
| 1.1 研究背景 | 第13页 |
| 1.2 研究目的和意义 | 第13-14页 |
| 1.3 国内外研究现状与发展趋势 | 第14-16页 |
| 1.3.1 国内外研究现状 | 第14-15页 |
| 1.3.2 发展趋势 | 第15-16页 |
| 1.4 主要内容和组织结构 | 第16-17页 |
| 第2章 相关聚类方法回顾 | 第17-33页 |
| 2.1 传统聚类算法 | 第17-23页 |
| 2.1.1 基于划分的聚类算法 | 第17-20页 |
| 2.1.2 基于层次的聚类算法 | 第20-21页 |
| 2.1.3 基于密度的聚类算法 | 第21-22页 |
| 2.1.4 基于网格的聚类算法 | 第22页 |
| 2.1.5 基于模型的聚类算法 | 第22-23页 |
| 2.2 混合属性数据聚类算法 | 第23-26页 |
| 2.2.1 混合属性数据聚类的研究现状 | 第23-25页 |
| 2.2.2 混合属性数据聚类问题 | 第25-26页 |
| 2.3 分布式聚类算法研究 | 第26-29页 |
| 2.3.1 分布式聚类算法的研究现状 | 第26-27页 |
| 2.3.2 分类式聚类算法弊端分析 | 第27-28页 |
| 2.3.3 常见的分布式编程环境分析 | 第28-29页 |
| 2.4 基于领域知识的数据挖掘技术 | 第29-32页 |
| 2.5 小结 | 第32-33页 |
| 第3章 基于领域知识的混合型数据聚类 | 第33-45页 |
| 3.1 民航系统的领域知识表示 | 第33-36页 |
| 3.1.1 起飞时间要素的转换 | 第34页 |
| 3.1.2 起飞日期要素的转换 | 第34-35页 |
| 3.1.3 航班号要素的转换 | 第35页 |
| 3.1.4 舱位等级要素的转换 | 第35-36页 |
| 3.2 K-PROTOTYPES算法 | 第36-37页 |
| 3.3 民航旅客价值模型 | 第37-40页 |
| 3.4 本文提出的算法 | 第40-41页 |
| 3.5 实验与分析 | 第41-44页 |
| 3.5.1 数据的预处理 | 第41-42页 |
| 3.5.2 细分结果比较 | 第42-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第4章 分布式混合型数据聚类 | 第45-54页 |
| 4.1 并行K-MEANS算法概述 | 第45-47页 |
| 4.1.1 分布式聚类工作原理 | 第45-46页 |
| 4.1.2 并行k-means算法 | 第46-47页 |
| 4.2 本文提出的算法 | 第47-50页 |
| 4.2.1 算法的目标函数 | 第47-49页 |
| 4.2.2 Hadoop环境下的算法实现 | 第49-50页 |
| 4.3 实验与分析 | 第50-53页 |
| 4.3.1 实验环境 | 第50-51页 |
| 4.3.2 实验数据 | 第51页 |
| 4.3.3 实验结果及分析 | 第51-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 基于价值的航空旅客细分模型 | 第54-66页 |
| 5.1 需求分析 | 第54-55页 |
| 5.2 航空旅客行为特征 | 第55-57页 |
| 5.3 数据准备和预处理 | 第57-60页 |
| 5.4 基于价值的航空旅客细分模型 | 第60-65页 |
| 5.4.1 算法的细分结果 | 第60页 |
| 5.4.2 不同价值的航空旅客征描述及偏好分析 | 第60-65页 |
| 5.5 本章小结 | 第65-66页 |
| 结论与展望 | 第66-68页 |
| 结论 | 第66-67页 |
| 展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读学位期间发表的学术论文 | 第72-73页 |
| 致谢 | 第73页 |
