機票代理人利用民航收益漏洞,產生大量無效訂票,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,只有依靠先進的數據挖掘技術去發(fā)現可疑訂單從而封堵漏洞。而民航收益系統中的海量多源異構數據,具有多模態(tài)、高維度、缺失值多的特點,給傳統數據挖掘任務造成極大的困難。為了能夠高效完成數據挖掘任務,本文著眼于多模態(tài)數據融合,利用先進的數據融合技術完成多模態(tài)數據挖掘任務。本文首先提出了一種基于K-means的大規(guī)模多模態(tài)數據的融合算法（RMSKMC）,通過尋找單個模態(tài)上的最優(yōu)子空間實現高維數據的自降維,利用非負矩陣分解（NMF）對損失函數進行重構,使不同模態(tài)共享相同的聚類指示矩陣從而實現多模態(tài)信息互補,完成大規(guī)模多模態(tài)數據融合,最后結合K-means算法,完成數據挖掘任務。實驗結果表明,在大規(guī)模多模態(tài)數據集上,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。在此基礎上,由于民航收益系統多源異構數據集中存在大量缺失值,極大影響數據融合性能,結合上述融合算法,進一步提出基于改進MCEM的民航收益系統多源異構數據融... 

【文章來源】：中國民航大學天津市

【文章頁數】：52 頁

【學位級別】：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 國內外研究現狀
        1.2.1 民航收益系統
        1.2.2 數據填補
        1.2.3 多模態(tài)數據融合
    1.3 研究內容
    1.4 本文組織結構
第二章 相關技術方法
    2.1 EM算法概述
    2.2 基于語義的多模態(tài)數據融合算法概述
        2.2.1 多源異構與多模態(tài)
        2.2.2 數據融合與聚類
        2.2.3 基于語義的多模態(tài)數據融合算法
    2.3 本章小結
第三章 基于K-means的大規(guī)模多模態(tài)數據融合算法
    3.1 大規(guī)模多模態(tài)數據的降維問題分析
    3.2 高維數據的自降維
    3.3 基于聚類指標的損失函數重構
    3.4 基于Kmeans的大規(guī)模多模態(tài)數據融合算法
    3.5 算法優(yōu)化
    3.6 算法收斂性分析
    3.7 算法時間復雜度分析
    3.8 實驗與分析
        3.8.1 數據集描述
        3.8.2 實驗設置
        3.8.3 實驗結果與分析
        3.8.4 算法收斂性驗證
    3.9 本章小結
第四章 基于改進MCEM的民航收益系統多源異構數據融合算法
    4.1 民航收益系統多模態(tài)數據融合問題分析
    4.2 傳統MCEM算法
    4.3 改進MCEM算法
    4.4 基于改進MCEM的民航收益系統多源異構數據融合算法
    4.5 算法收斂性分析
    4.6 實驗與分析
        4.6.1 數據集描述
        4.6.2 實驗設置
        4.6.3 實驗結果與分析
    4.7 本章小結
第五章 總結與展望
    5.1 總結
    5.2 展望
致謝
參考文獻
作者簡介



本文編號：3147592