1、隨著民航信息化程度日益加深，各航空公司的訂票系統(tǒng)中都積累了大量的旅客訂座記錄（Passenger Name Record, PNR）數(shù)據(jù)信息。在常旅客VIP會(huì)員制度不能對(duì)旅客出行形成有效吸引力的情況下，如何運(yùn)用非常旅客的PNR數(shù)據(jù)識(shí)別高價(jià)值旅客，是航空公司亟需解決的問題。本文主要研究基于Hadoop的民航高價(jià)值旅客發(fā)現(xiàn)方法及其實(shí)際應(yīng)用，對(duì)航空公司利用PNR數(shù)據(jù)發(fā)現(xiàn)高價(jià)值旅客，并制定有效的戰(zhàn)略決策提供支持。
　　對(duì)于海量的PNR數(shù)據(jù)

2、集，常規(guī)的處理方法難以處理。本文提出將多臺(tái)計(jì)算機(jī)進(jìn)行集群，搭建Hadoop分布式并行化處理平臺(tái)，利用Hadoop分布式文件系統(tǒng)（Hadoop Distributed File System, HDFS）儲(chǔ)存數(shù)據(jù)，并采用Map/Reduce數(shù)據(jù)處理模型對(duì)數(shù)據(jù)集進(jìn)行處理。實(shí)驗(yàn)結(jié)果表明，Hadoop平臺(tái)對(duì)海量的PNR數(shù)據(jù)集的處理快速有效。
　　針對(duì)K-Means聚類算法受孤立數(shù)據(jù)對(duì)象影響較大，容易陷入局部最優(yōu)解等問題。本文提出優(yōu)化K-M

3、eans聚類算法，在Hadoop平臺(tái)上并行計(jì)算數(shù)據(jù)集中所有數(shù)據(jù)對(duì)象間的歐式距離，并統(tǒng)計(jì)距離和，排除較為孤立的數(shù)據(jù)對(duì)象，優(yōu)化初始中心點(diǎn)的選擇。實(shí)驗(yàn)結(jié)果表明，優(yōu)化的K-Means聚類算法能夠有效排除較為孤立的數(shù)據(jù)對(duì)象，聚類結(jié)果更接近實(shí)際數(shù)據(jù)分布。
　　綜上，本文提出一種基于Hadoop的民航高價(jià)值旅客發(fā)現(xiàn)方法。首先，利用Hadoop平臺(tái)，對(duì)PNR數(shù)據(jù)集進(jìn)行快速處理。然后，提出改進(jìn)的RFD(Recency Frequency Disco