機票代理人利用民航收益漏洞,產(chǎn)生大量無效訂票,給航空公司造成極大損失。目前民航收益系統(tǒng)無法完全避免收益漏洞帶來的損失。為了從根本解決收益漏洞的問題,只有依靠先進的數(shù)據(jù)挖掘技術(shù)去發(fā)現(xiàn)可疑訂單從而封堵漏洞。而民航收益系統(tǒng)中的海量多源異構(gòu)數(shù)據(jù),具有多模態(tài)、高維度、缺失值多的特點,給傳統(tǒng)數(shù)據(jù)挖掘任務(wù)造成極大的困難。為了能夠高效完成數(shù)據(jù)挖掘任務(wù),本文著眼于多模態(tài)數(shù)據(jù)融合,利用先進的數(shù)據(jù)融合技術(shù)完成多模態(tài)數(shù)據(jù)挖掘任務(wù)。本文首先提出了一種基于K-means的大規(guī)模多模態(tài)數(shù)據(jù)的融合算法（RMSKMC）,通過尋找單個模態(tài)上的最優(yōu)子空間實現(xiàn)高維數(shù)據(jù)的自降維,利用非負矩陣分解（NMF）對損失函數(shù)進行重構(gòu),使不同模態(tài)共享相同的聚類指示矩陣從而實現(xiàn)多模態(tài)信息互補,完成大規(guī)模多模態(tài)數(shù)據(jù)融合,最后結(jié)合K-means算法,完成數(shù)據(jù)挖掘任務(wù)。實驗結(jié)果表明,在大規(guī)模多模態(tài)數(shù)據(jù)集上,該算法比其他多模態(tài)融合算法資源消耗更小,并且具有更好的融合性能從而最終取得更好的聚類效果。在此基礎(chǔ)上,由于民航收益系統(tǒng)多源異構(gòu)數(shù)據(jù)集中存在大量缺失值,極大影響數(shù)據(jù)融合性能,結(jié)合上述融合算法,進一步提出基于改進MCEM的民航收益系統(tǒng)多源異構(gòu)數(shù)據(jù)融... 

【文章來源】：中國民航大學(xué)天津市

【文章頁數(shù)】：52 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 民航收益系統(tǒng)
        1.2.2 數(shù)據(jù)填補
        1.2.3 多模態(tài)數(shù)據(jù)融合
    1.3 研究內(nèi)容
    1.4 本文組織結(jié)構(gòu)
第二章 相關(guān)技術(shù)方法
    2.1 EM算法概述
    2.2 基于語義的多模態(tài)數(shù)據(jù)融合算法概述
        2.2.1 多源異構(gòu)與多模態(tài)
        2.2.2 數(shù)據(jù)融合與聚類
        2.2.3 基于語義的多模態(tài)數(shù)據(jù)融合算法
    2.3 本章小結(jié)
第三章 基于K-means的大規(guī)模多模態(tài)數(shù)據(jù)融合算法
    3.1 大規(guī)模多模態(tài)數(shù)據(jù)的降維問題分析
    3.2 高維數(shù)據(jù)的自降維
    3.3 基于聚類指標的損失函數(shù)重構(gòu)
    3.4 基于Kmeans的大規(guī)模多模態(tài)數(shù)據(jù)融合算法
    3.5 算法優(yōu)化
    3.6 算法收斂性分析
    3.7 算法時間復(fù)雜度分析
    3.8 實驗與分析
        3.8.1 數(shù)據(jù)集描述
        3.8.2 實驗設(shè)置
        3.8.3 實驗結(jié)果與分析
        3.8.4 算法收斂性驗證
    3.9 本章小結(jié)
第四章 基于改進MCEM的民航收益系統(tǒng)多源異構(gòu)數(shù)據(jù)融合算法
    4.1 民航收益系統(tǒng)多模態(tài)數(shù)據(jù)融合問題分析
    4.2 傳統(tǒng)MCEM算法
    4.3 改進MCEM算法
    4.4 基于改進MCEM的民航收益系統(tǒng)多源異構(gòu)數(shù)據(jù)融合算法
    4.5 算法收斂性分析
    4.6 實驗與分析
        4.6.1 數(shù)據(jù)集描述
        4.6.2 實驗設(shè)置
        4.6.3 實驗結(jié)果與分析
    4.7 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻
作者簡介



本文編號：3147592