航行情报是民航现代化系统工程的重要组成部分,它对规范民航安全生产、提高经济效益有着十分重要的作用。随着以计算机为基础的导航系统等新航行技术的发展应用,航空安全对航行情报资料的依赖程度越来越高。我国已将全系统信息管理(SWIM)应用系统的研发列入“十二五”科技发展计划,在建立以网络为中心的信息服务模式过程中,首先应该关注底层数据的服务模式研究,针对航行情报数据,研究其数字化特征及分类模型是相关工作开展的基石。航行通告是航行情报中的重要组成部分,本文针对航行通告数据进行研究,主要做了三部分的工作:首先,根据航行通告数据的特点,对航行通告数据建模,使用正则表达式抽取航行通告关键信息,建立对应的XML Schema模型,从而将文本化的航行通告转化成结构化、规范化的可扩展标记语言(XML)文档。其次,提出改进的Apriori算法对航行通告数据进行关联规则挖掘。算法采用事务压缩和候选压缩相结合的方式,并且利用约束规则前后件的方法限制冗余规则的产生。通过实验证明该算法能够准确挖掘出航行通告涉及事件与航行通告有效时间之间的关联规则,为航行通告有效时间的预测提供依据,辅助空中管制、签派放行决策的制定。最后,提出一种基于混合核函数的支持向量机模型,并且利用人工鱼群算法对支持向量机模型进行参数寻优,通过对传统人工鱼群算法中步长和视野的动态调整及人工鱼群行为策略的优化,提高算法的寻优性能。实验部分,将本文中提出的基于混合核函数的IAFSA-SVM算法分别与基于单一核函数的支持向量机、基于粒子群优化算法的支持向量机进行对比,验证了改进后算法的有效性,在此基础上,将该算法应用于航行通告数据的分类模型建立中,取得了较好的分类结果。