一种基于深度学习的航班数据聚类与分类方法

本发明为一种基于深度学习的航班数据聚类与分类方法，所述方法包括：1）航班数据潜在表示特征提取：用于构建卷积神经网络、双向门控循环单元和注意力机制的深度学习模型；2）结合动态优化的聚类与分类决策：用于实现对航班数据的自动分类与优化分析。本发明中的深度学习技术，能够自动提取数据中的高阶特征，挖掘数据的时间动态性与结构性特征，通过构建多层神经网络模型，能够有效捕捉航班数据中的非线性关系、长短期依赖关系以及隐藏的模式特征，从而弥补传统方法在特征提取和动态建模方面的不足。此外，深度学习框架具备良好的可扩展性，能够快速处理大规模、高维度的时序数据，为航班数据的聚类与分类提供高效、精准的解决方案。