空中交通复杂度参数模型的研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 第1章 引言 | 第10-18页 |
| ·研究背景 | 第10-14页 |
| ·研究目的和意义 | 第14-15页 |
| ·研究目的 | 第14页 |
| ·研究意义 | 第14-15页 |
| ·研究内容和创新点 | 第15-18页 |
| ·研究内容 | 第15-17页 |
| ·创新点 | 第17-18页 |
| 第2章 相关理论与技术 | 第18-41页 |
| ·空中交通复杂度 | 第18-25页 |
| ·空中交通管理的简介 | 第18-21页 |
| ·空中交通管理的发展 | 第21-23页 |
| ·空中交通复杂度参数 | 第23-24页 |
| ·空中交通复杂度参数的模型与空域状态 | 第24-25页 |
| ·主成分分析 | 第25-32页 |
| ·主成分分析的原理 | 第25-27页 |
| ·主成分分析的几何意义和一般数学模型 | 第27-30页 |
| ·主成分分析的步骤 | 第30-32页 |
| ·神经网络 | 第32-36页 |
| ·人工神经网络的简介 | 第32-34页 |
| ·人工神经网络的原理与特点 | 第34-36页 |
| ·人工神经网络与主成分分析的结合建模 | 第36页 |
| ·聚类分析 | 第36-41页 |
| ·聚类分析的概念 | 第36-39页 |
| ·K-means算法 | 第39-41页 |
| 第3章 空中交通复杂度参数模型的研究与优化 | 第41-56页 |
| ·数据的采集 | 第41-42页 |
| ·空中交通复杂度参数的主成分分析 | 第42-45页 |
| ·复杂度参数的初选 | 第42-44页 |
| ·主成分分析的结果 | 第44-45页 |
| ·人工神经网络的应用 | 第45-47页 |
| ·神经网络的基本参数 | 第45-46页 |
| ·训练与测试 | 第46-47页 |
| ·结果的分析 | 第47页 |
| ·两个特殊复杂度参数的聚类分析 | 第47-49页 |
| ·聚类分析的结果 | 第48-49页 |
| ·新参数的引入 | 第49页 |
| ·一个用于空域剪切的实用算法 | 第49-54页 |
| ·实际空域计算与空域剪切 | 第49页 |
| ·算法原理与检验 | 第49-53页 |
| ·空域剪切与参数模型 | 第53-54页 |
| ·空中交通复杂度参数模型的评估 | 第54-56页 |
| ·模型优化评估方法 | 第54页 |
| ·评估结论 | 第54-56页 |
| 第4章 结论与展望 | 第56-59页 |
| ·结论 | 第56页 |
| ·进一步工作的方向 | 第56-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 附录A OCAML语言简介 | 第62-63页 |
| 附录B R语言简介 | 第63-64页 |
| 附录C 一些专有名词 | 第64-65页 |
| 个人简历 在读期间发表的学术论文与研究成果 | 第65页 |
