基于语义的民航收益系统多源异构数据融合方法研究

发布时间：2021-04-19 12:55

　　机票代理人利用民航收益漏洞,产生大量无效订票,给航空公司造成极大损失。目前民航收益系统无法完全避免收益漏洞带来的损失。为了从根本解决收益漏洞的问题,只有依靠先进的数据挖掘技术去发现可疑订单从而封堵漏洞。而民航收益系统中的海量多源异构数据,具有多模态、高维度、缺失值多的特点,给传统数据挖掘任务造成极大的困难。为了能够高效完成数据挖掘任务,本文着眼于多模态数据融合,利用先进的数据融合技术完成多模态数据挖掘任务。本文首先提出了一种基于K-means的大规模多模态数据的融合算法（RMSKMC）,通过寻找单个模态上的最优子空间实现高维数据的自降维,利用非负矩阵分解（NMF）对损失函数进行重构,使不同模态共享相同的聚类指示矩阵从而实现多模态信息互补,完成大规模多模态数据融合,最后结合K-means算法,完成数据挖掘任务。实验结果表明,在大规模多模态数据集上,该算法比其他多模态融合算法资源消耗更小,并且具有更好的融合性能从而最终取得更好的聚类效果。在此基础上,由于民航收益系统多源异构数据集中存在大量缺失值,极大影响数据融合性能,结合上述融合算法,进一步提出基于改进MCEM的民航收益系统多源异构数据融... 

【文章来源】：中国民航大学天津市

【文章页数】：52 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题研究背景与意义
    1.2 国内外研究现状
        1.2.1 民航收益系统
        1.2.2 数据填补
        1.2.3 多模态数据融合
    1.3 研究内容
    1.4 本文组织结构
第二章 相关技术方法
    2.1 EM算法概述
    2.2 基于语义的多模态数据融合算法概述
        2.2.1 多源异构与多模态
        2.2.2 数据融合与聚类
        2.2.3 基于语义的多模态数据融合算法
    2.3 本章小结
第三章 基于K-means的大规模多模态数据融合算法
    3.1 大规模多模态数据的降维问题分析
    3.2 高维数据的自降维
    3.3 基于聚类指标的损失函数重构
    3.4 基于Kmeans的大规模多模态数据融合算法
    3.5 算法优化
    3.6 算法收敛性分析
    3.7 算法时间复杂度分析
    3.8 实验与分析
        3.8.1 数据集描述
        3.8.2 实验设置
        3.8.3 实验结果与分析
        3.8.4 算法收敛性验证
    3.9 本章小结
第四章 基于改进MCEM的民航收益系统多源异构数据融合算法
    4.1 民航收益系统多模态数据融合问题分析
    4.2 传统MCEM算法
    4.3 改进MCEM算法
    4.4 基于改进MCEM的民航收益系统多源异构数据融合算法
    4.5 算法收敛性分析
    4.6 实验与分析
        4.6.1 数据集描述
        4.6.2 实验设置
        4.6.3 实验结果与分析
    4.7 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
致谢
参考文献
作者简介



本文编号：3147592