基于航空數據挖掘的用戶行為分析研究.pdf

1、在當前大數據環(huán)境下，海量的數據帶來了數據分析領域的飛速發(fā)展，數據挖掘作為數據分析中的關鍵技術為其高速發(fā)展提供了必要的保障。由于數據挖掘方法眾多，每種方法又有不同的適用環(huán)境，所以開發(fā)不同環(huán)境下的數據挖掘方法極其重要。目前數據挖掘已經在很多領域有了廣泛的應用，比如證券領域，安全領域，經濟領域等，但是在航空領域的相關數據挖掘方法卻很少。為了探索航空領域的數據挖掘方法，本文提出了一種改進的FP-GROWTH算法用來挖掘航空數據關聯(lián)關系和一種改進

2、GRNN算法用來預測航空數據，具體的研究工作如下:
　　首先，為了對航空數據進行挖掘分析，需要從算法入手。而本文的目標是對航空數據進行預測分析，為此，就需要對航空數據間的關聯(lián)關系進行挖掘，只有挖掘到航空數據間的關聯(lián)關系，才能對航空數據進行預測。因此，本文研究了關聯(lián)分析算法的基本原理和基本步驟，并通過幾種典型算法的對比，最終選擇了FP-GROWTH算法為挖掘航空數據關聯(lián)關系的算法。其次，為了預測航空數據，本文將研究幾種典型的回歸預測

3、算法，然后通過介紹算法的原理和適用場景，最終選擇了人工神經網絡算法作為航空數據的預測算法。
　　接著，由于航空數據重復率低，數量大，而導致的傳統(tǒng)FP-GROWTH算法建立FP-TREE效率低和速度慢的問題，本文提出了改進的FP-GROWTH算法。改進算法相比于傳統(tǒng)的FP-GROWTH算法提高了算法的計算效率，減少了算法的運行時間，從而適用于航空數據的關聯(lián)分析。
　　然后，為了解決傳統(tǒng)GRNN算法中平滑因子選擇困難的問題，本文