發(fā)布時間：2021-12-23 23:36

　　近年來,隨著全球民航事業(yè)發(fā)展迅速,我國民航教育培訓(xùn)也在快速崛起。飛行人才的需求猛增,訓(xùn)練任務(wù)增多。同時,數(shù)據(jù)挖掘技術(shù)在民航中的安全保障、故障檢測、異常分析、預(yù)測等工作中的使用也越來越多,數(shù)據(jù)挖掘技術(shù)相比其他常規(guī)數(shù)據(jù)分析方式,具有尋找飛行數(shù)據(jù)中隱藏信息的能力。數(shù)據(jù)挖掘方法在飛行訓(xùn)練數(shù)據(jù)上的應(yīng)用,是在基于傳統(tǒng)的飛行數(shù)據(jù)分析方法的基礎(chǔ)之上,引入知識發(fā)現(xiàn)的方法理論,對飛行訓(xùn)練數(shù)據(jù)在知識發(fā)現(xiàn)方向做出相關(guān)研究、探索。該方法在繼承了常用經(jīng)驗(yàn)?zāi)Ｊ椒椒ǖ耐瑫r,又結(jié)合了知識發(fā)現(xiàn)中的數(shù)據(jù)處理優(yōu)點(diǎn)。本文研究旨在利用數(shù)據(jù)挖掘的相關(guān)算法對飛行訓(xùn)練數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘。主要涉及支持向量機(jī)和關(guān)聯(lián)性算法。首先對采集好的原始數(shù)據(jù)進(jìn)行處理,利用支持向量機(jī)模型對飛行訓(xùn)練數(shù)據(jù)中的飛機(jī)發(fā)動機(jī)轉(zhuǎn)速參數(shù)進(jìn)行預(yù)測,并將預(yù)測結(jié)果同原始數(shù)據(jù)拿來對比,檢驗(yàn)方法的實(shí)用有效性,預(yù)測結(jié)果為飛行安全和維修保障提供參考;然后使用Apriori和FP-Growth兩種主流的關(guān)聯(lián)算法對飛行訓(xùn)練數(shù)據(jù)中的失誤操作事件的相關(guān)參數(shù)進(jìn)行分析,探索事件、數(shù)據(jù)間的關(guān)聯(lián)性,檢驗(yàn)方法的實(shí)用有效性,實(shí)驗(yàn)結(jié)果為飛行安全和訓(xùn)練評估提供參考。實(shí)驗(yàn)結(jié)果驗(yàn)證了支持向量機(jī)模型和關(guān)聯(lián)算法在飛... 

【文章來源】：中國民用航空飛行學(xué)院四川省

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

飛行數(shù)據(jù)集

16=11(3.3)函數(shù)()的圖像如下圖3.1所示：圖3.1()函數(shù)的圖像從上圖可知，通過函數(shù)()將特征數(shù)據(jù)取值從無窮映射在(0,1)區(qū)間。而當(dāng)特征值滿足y=1時的概率即為假設(shè)函數(shù)，定義公式如下[38]。=1;)=()=1;)=1()（3.4）當(dāng)面對一個全新的特征屬性時，如果要判定其類別，只需求解的值即可，如果>0.5，即該特征屬性屬于y=1的類（也可叫做正類），反之<0.5即該特征屬性屬于y=0類（也可叫負(fù)類）。此外，僅僅由決定，當(dāng)>0時，則>0.5，其中邏輯函數(shù)()只是作為特征值的取值空間轉(zhuǎn)換映射，才是分類的決定性因素。當(dāng)>>0時，=1，反之=0。所以從方向入手，為使訓(xùn)練模型達(dá)到分類效果即使訓(xùn)練數(shù)據(jù)中滿足y=1的特征屬性的>>0，而y=0的特征屬性的<<0。如果將邏輯回歸Logistic變形，將公式（3-2）的假設(shè)函數(shù),=(+)中的()形式化簡，將其y的取值直接映射到1或-1上，修改形式如公式（3.5）：

17gz=1,z≥01,z<0（3.5）在引入拉格朗日Lagrange相關(guān)內(nèi)容后，在原有的約束條件上增加一個乘數(shù)α，從而使得目標(biāo)函數(shù)發(fā)生變化如下：(,,α)=12∥∥2∑α(x+1)1（3.6）再使得=maxα0(,,α)（3.7）在上式中，不滿足約束條件時，使得=∞，滿足約束條件時，=12∥∥2。所以目標(biāo)函數(shù)線轉(zhuǎn)化為：min，=min，maxα0(,,α)（3.8）如下圖3.2所示，是對于一組二維數(shù)據(jù)的支持向量機(jī)劃分結(jié)果。圖像左下角藍(lán)色的點(diǎn)和右上角黃色的點(diǎn)是兩類不同的數(shù)據(jù)。由于這一組數(shù)據(jù)屬于線性可分的，所以可以用圖中的藍(lán)色直線將兩類數(shù)據(jù)進(jìn)行分割，而這條藍(lán)色的直線就是支持向量機(jī)中所謂的超平面（HyperPane），其一側(cè)的數(shù)據(jù)點(diǎn)的y取值都為1，另一側(cè)則都為-1。圖3.2二維數(shù)據(jù)支持向量機(jī)劃分結(jié)果超平面的定義公式和分類函數(shù)相同，都為：=+，當(dāng)某點(diǎn)x滿足f(x)=0時，點(diǎn)x便位于超平面之上，當(dāng)f(x)>0時，即對應(yīng)的y=1，點(diǎn)x屬于正類，當(dāng)f(x)<0時，即對應(yīng)y=-1，點(diǎn)x屬于負(fù)類。3.1.2最大間隔分類器上一節(jié)中介紹了支持向量機(jī)的一般形式，即最基礎(chǔ)的分類，數(shù)據(jù)使用的是二維空間

【參考文獻(xiàn)】：
期刊論文
[1]垂直數(shù)據(jù)格式挖掘頻繁項(xiàng)集算法的改進(jìn)[J]. 邢長征,安維國,王星.  計(jì)算機(jī)工程與科學(xué). 2017(07)
[2]QAR數(shù)據(jù)在飛行安全評價中的應(yīng)用[J]. 孫瑞山,楊繹煊,汪磊.  中國安全科學(xué)學(xué)報(bào). 2015(07)
[3]中國民航飛行品質(zhì)監(jiān)控回顧與展望[J]. 俞力玲.  中國民用航空. 2012(08)
[4]QAR超限事件飛行操作風(fēng)險(xiǎn)診斷方法[J]. 祁明亮,邵雪焱,池宏.  北京航空航天大學(xué)學(xué)報(bào). 2011(10)
[5]飛機(jī)飛行品質(zhì)規(guī)范發(fā)展綜述[J]. 董彥非,榮康,高杰.  飛行力學(xué). 2010(05)
[6]關(guān)聯(lián)規(guī)則挖掘的常用算法及其比較分析[J]. 涂承勝.  重慶三峽學(xué)院學(xué)報(bào). 2006(03)
[7]基于Apriori算法改進(jìn)的關(guān)聯(lián)規(guī)則提取算法[J]. 羅可,賀才望.  計(jì)算機(jī)與數(shù)字工程. 2006(04)
[8]基于視覺原理和Weber定律的TSK模糊系統(tǒng)建模[J]. 鄧趙紅,王士同,吳錫生.  模式識別與人工智能. 2005(02)
[9]數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則的一種高效Apriori算法[J]. 李清峰,楊路明,張曉峰,龍艷軍.  計(jì)算機(jī)應(yīng)用與軟件. 2004(12)
[10]挖掘關(guān)聯(lián)規(guī)則中Apriori算法的研究[J]. 陸麗娜,陳亞萍,魏恒義,楊麥順.  小型微型計(jì)算機(jī)系統(tǒng). 2000(09)

碩士論文
[1]基于數(shù)據(jù)挖掘的移動用戶行為分析系統(tǒng)的構(gòu)建[D]. 陳紅.南京郵電大學(xué) 2018
[2]數(shù)據(jù)挖掘分類算法的改進(jìn)研究[D]. 陳潔.南京郵電大學(xué) 2018
[3]基于數(shù)據(jù)挖掘的信息關(guān)聯(lián)關(guān)鍵技術(shù)研究[D]. 閆東明.長春理工大學(xué) 2018
[4]基于TensorFlow的卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用研究[D]. 姜新猛.華中師范大學(xué) 2017
[5]基于Flight Gear的模擬飛行數(shù)據(jù)的數(shù)據(jù)挖掘研究[D]. 曹雷欣.昆明理工大學(xué) 2017
[6]面向調(diào)控大數(shù)據(jù)的數(shù)據(jù)分析挖掘方法研究[D]. 陳文偉.華北電力大學(xué)(北京) 2017
[7]基于多維關(guān)聯(lián)規(guī)則的民航事故數(shù)據(jù)挖掘研究[D]. 侯熙桐.中國民航大學(xué) 2016
[8]面向網(wǎng)絡(luò)服務(wù)的云數(shù)據(jù)中心仿真系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 楊晨晨.北京郵電大學(xué) 2016
[9]基于灰色系統(tǒng)理論的QAR數(shù)據(jù)挖掘算法研究[D]. 楊欣.中國民航大學(xué) 2015
[10]基于Kmeans算法的學(xué)生行為分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 劉國華.河北科技大學(xué) 2014



本文編號：3549402