隨著民航客運(yùn)機(jī)票電子化,機(jī)票分銷渠道和模式發(fā)生變化,隨之而來的問題也不斷增加,如利用航空公司的收益漏洞搶占座位,這種行為導(dǎo)致大量座位被浪費(fèi),給航空公司造成巨大損失。針對(duì)上述問題,本文對(duì)民航旅客訂單數(shù)據(jù)進(jìn)行挖掘,尋找其中存在的民航收益漏洞規(guī)則,為航空公司的決策提供支持。本文需要對(duì)民航旅客訂單數(shù)據(jù)進(jìn)行預(yù)處理,從大規(guī)模的高維數(shù)據(jù)中提取與可疑訂單相關(guān)的數(shù)據(jù),進(jìn)而從特征和訂單細(xì)分兩個(gè)角度對(duì)民航訂單數(shù)據(jù)進(jìn)行規(guī)則挖掘。首先,構(gòu)建了基于L1正則化邏輯回歸的民航可疑訂單特征提取算法,該過程利用L1稀疏性對(duì)影響訂單的特征進(jìn)行提取,同時(shí)通過回歸系數(shù)可以充分挖掘不同特征對(duì)訂單是否出票的影響程度。其次,從訂單細(xì)分角度,提出一種ELM特征空間的kmeans算法對(duì)民航旅客進(jìn)行橫向細(xì)分。通過利用ELM算法將樣本特征非線性映射到高維特征空間中,再使用NMF進(jìn)行特征降維,最后將特征樣本通過kmeans算法進(jìn)行細(xì)分。實(shí)驗(yàn)結(jié)果驗(yàn)證了該算法的區(qū)分能力,并最終將民航旅客訂單數(shù)據(jù)劃分為五類,有效挖掘出提升民航收益的規(guī)則,為航空公司收益提升提供支持。在規(guī)則挖掘的基礎(chǔ)上,構(gòu)建了一種基于PSO-ELM特征映射KNN分類算法的民航可疑訂單... 

【文章來源】：中國(guó)民航大學(xué)天津市

【文章頁數(shù)】：56 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

本文主要研究過程示意圖

得到的回歸系數(shù)如下表所示：表 3.2 邏輯回歸系數(shù)特征 回歸系數(shù)total_ppl_no -79.57total_seg_no -21.27last_cre_num 107.19has_cip 0.83is_married 0.32name_ppl_no 18.02orderseg 0.00orderstrptime 3.98isdaystart 0.07isdayend 0.00is_vip 0.00fly_time -0.39isweenkday 0.00

圖 3-2 特征對(duì)因變量影響正負(fù)影響圖述結(jié)果可以得到以下結(jié)論：以看出 L1 正則化邏輯回歸經(jīng)過訓(xùn)練，L1 正則化的稀疏性發(fā)揮了作orderseg、isdaystart、isdayend、is_vip、isweenkday 的回歸系數(shù)都是數(shù)的值表示自變量與因變量的相關(guān)關(guān)系以及 L1 正則化的稀疏性理歸系數(shù)的值都是 0 的特征與因變量即是否為可疑訂單無關(guān)，因此可只保留絕對(duì)值不為 0 的值的 7 個(gè)特征。同時(shí)考慮到?jīng)Q策變量訂單是到 8 個(gè)特征進(jìn)行后續(xù)的研究。表 3.3 篩選樣本后的特征回歸系數(shù)特征 回歸系數(shù)total_ppl_no -79.57total_seg_no -21.27last_cre_num 107.19has_cip 0.83

【參考文獻(xiàn)】：
期刊論文
[1]民航NOSHOW預(yù)測(cè)及強(qiáng)因子關(guān)聯(lián)分析[J]. 曹衛(wèi)東,許代代,王靜,王家亮.  計(jì)算機(jī)工程與應(yīng)用. 2019(02)
[2]融合靜電信號(hào)和氣路參數(shù)的發(fā)動(dòng)機(jī)性能評(píng)估方法[J]. 付宇,殷逸冰,馮正興,左洪福,孫爽.  推進(jìn)技術(shù). 2019(02)
[3]基于ELM-KNN算法的網(wǎng)絡(luò)入侵檢測(cè)模型[J]. 顧兆軍,李冰,劉濤.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(08)
[4]基于MapReduce的民航收益漏洞規(guī)則提取研究[J]. 曹衛(wèi)東,翟盼盼,朱遠(yuǎn)知.  計(jì)算機(jī)仿真. 2017(12)
[5]民航收益漏洞NOSHOW規(guī)則提取[J]. 曹衛(wèi)東,翟盼盼,朱遠(yuǎn)知.  計(jì)算機(jī)工程與設(shè)計(jì). 2017(04)
[6]基于關(guān)聯(lián)規(guī)則的機(jī)場(chǎng)航班地面保障模式研究[J]. 王堯.  科技與創(chuàng)新. 2017(02)
[7]基于ELM特征映射的kNN算法[J]. 盧誠(chéng)波,林銀河,梅穎.  復(fù)旦學(xué)報(bào)(自然科學(xué)版). 2016(05)
[8]基于高維數(shù)據(jù)的集成邏輯回歸分類算法的研究與應(yīng)用[J]. 毛林,陸全華,程濤.  科技通報(bào). 2013(12)
[9]L1正則化Logistic回歸在財(cái)務(wù)預(yù)警中的應(yīng)用[J]. 劉遵雄,鄭淑娟,秦賓,張恒.  經(jīng)濟(jì)數(shù)學(xué). 2012(02)
[10]基于神經(jīng)網(wǎng)絡(luò)的某型飛機(jī)發(fā)動(dòng)機(jī)故障診斷研究[J]. 劉艷春,楊德輝,劉艷麗,康建軍.  電子設(shè)計(jì)工程. 2012(11)

博士論文
[1]航空旅客選擇行為及其在收益管理中的應(yīng)用研究[D]. 梅虎.南京航空航天大學(xué) 2007
[2]航空收益管理中艙位控制問題的研究[D]. 高強(qiáng).南京航空航天大學(xué) 2006

碩士論文
[1]互聯(lián)網(wǎng)背景下機(jī)票銷售渠道演變的經(jīng)濟(jì)學(xué)分析[D]. 李曉彤.北京交通大學(xué) 2018
[2]發(fā)動(dòng)機(jī)故障狀態(tài)下的性能參數(shù)規(guī)律研究[D]. 劉乃彬.中國(guó)民航大學(xué) 2018
[3]基于光流特征的航站樓旅客異常行為識(shí)別方法研究[D]. 許莙苓.南京航空航天大學(xué) 2016
[4]基于聚類分析的機(jī)場(chǎng)客戶細(xì)分服務(wù)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 謝麗.西安電子科技大學(xué) 2014
[5]基于數(shù)據(jù)倉(cāng)庫與數(shù)據(jù)挖掘的航空貨運(yùn)分析CRM應(yīng)用研究[D]. 遲曉明.中國(guó)海洋大學(xué) 2009
[6]航空公司收益管理中旅客艙位選擇行為研究[D]. 王春蘭.南京航空航天大學(xué) 2006
[7]基于數(shù)據(jù)倉(cāng)庫的航空貨運(yùn)分析型CRM研究[D]. 劉鳳.南京航空航天大學(xué) 2004



本文編號(hào)：2937628