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合算法。首先对传统的MCEM算法进行改进,使之能够适合民航收益系统数据集,大大加快其收敛速度,能够快速的补全民航收益系统数据中大量的缺失数据,然后使用RMSKMC算法进行融合聚类。实验结果表明,在民航收益系统多模态数据集上,该算法收敛速度快,能较好的识别出民航收益系统中的可疑订单。本文首次将多模态数据融合引入民航收益系统收益漏洞问题中,利用多源异构数据进行数据融合,结合聚类算法,能够精确预测出可疑订单,使得收益漏洞造成的损失降为零成为可能,为今后的相关研究指明了方向。