全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
关键词
- 基于易班网络思政平台“三心两翼”教育模式的探索与实践——以西安航空职业技术学院为例
- 作者： 刘博 来源： 智库时代 年份： 2019 文献类型 ： 期刊 关键词： 思政教育 易班
- 描述： 在互联网+思政教育的发展中,易班思政教育平台提供了一个非常重要的平台,西安航空职业技术学院在探索易班工作之中,走出了一条"三心两翼"的易班思政教育模式,并不断的实践与提升。
- 基于易班网络思政平台“三心两翼”教育模式的探索与实践——以西安航空职业技术学院为例
- 作者： 刘博 来源： 智库时代 年份： 2019 文献类型 ： 期刊 关键词： 思政教育 易班
- 描述： 在互联网+思政教育的发展中,易班思政教育平台提供了一个非常重要的平台,西安航空职业技术学院在探索易班工作之中,走出了一条"三心两翼"的易班思政教育模式,并不断的实践与提升。
- 基于易班网络思政平台“三心两翼”教育模式的探索与实践——以西安航空职业技术学院为例
- 作者： 刘博 来源： 智库时代 年份： 2019 文献类型 ： 期刊 关键词： 思政教育 易班
- 描述： 在互联网+思政教育的发展中,易班思政教育平台提供了一个非常重要的平台,西安航空职业技术学院在探索易班工作之中,走出了一条"三心两翼"的易班思政教育模式,并不断的实践与提升。
- 航空决策模型及其影响因素分析
- 作者： 王梓宇 游旭群 来源： 心理科学进展 年份： 2018 文献类型 ： 期刊 关键词： 航空决策 飞行安全 航空决策模型
- 描述： 航空决策指在航空飞行驾驶过程中,飞行员面对特定情境做出最佳决策时的心理过程。情景评估和风险评估是航空决策模型中最重要的两个阶段。个体认知因素、疲劳和动机因素以及知识经验的限制会导致不良航空决策,组织压力和社会因素则通过混淆飞行员对飞行安全的看法间接影响航空决策。在未来的研究中,研究者应当重视构建更合理的航空决策模型,从辩证的角度全面看待知识经验与飞行安全的关系,加强对动机因素和环境因素的调查分析和实验性研究。
- 多平台对多目标无源融合定位方法
- 作者： 牟之英 刘博 来源： 探测与控制学报 年份： 2017 文献类型 ： 期刊 关键词： 虚假点滤除 无源定位 多平台 多目标
- 描述： 针对多目标环境下单平台和双平台无源定位系统无法消除大量虚假点难题,提出了一套基于三架飞机联合空间三角编队,并采用静态与动态相结合来滤除虚假点的多平台无源融合定位方法。该无源定位方式不需要飞机作机动,并能在多目标环境中快速有效地滤除虚假点,克服了单平台和双平台无源定位系统无法对多目标进行定位的缺陷,实现了系统全静默状态下同时对多个运动目标的融合定位与跟踪。给出了三平台无源组网对多目标融合定位与跟踪的实现结构、解算模型、误差分析以及虚假点滤除方法。仿真验证表明,该系统能实现对多运动目标的隐蔽探测、定位与跟踪,其跟踪精度能满足态势显示与火控攻击精度要求。
- 自动化信任和依赖对航空安全的危害及其改进
- 作者： 王新野 李苑 常明 游旭群 来源： 心理科学进展 年份： 2018 文献类型 ： 期刊 关键词： 自动化交互 人 自动化信任 航空安全 自动化依赖
- 描述： 自动化系统在现今航空业中得到了广泛应用,然而复杂的自动化系统的引入产生了新的失误模式,使航空人因安全问题变得更加突出。受多种因素影响,操作者在与自动化系统的交互过程中并不总能达到适度的信任校准水平。非适度自动化信任和依赖引发了严重的航空安全事故。值得欣慰的是,以人为中心的自动化显示设计和训练能够将非适度自动化信任和依赖调整到适度状态。
- 军事飞行员心理选拔面临的问题及对策
- 作者： 曾思瑶 李苑 游旭群 来源： 医学争鸣 年份： 2019 文献类型 ： 期刊 关键词： 脑功能 多模态 心理选拔 飞行员 人工智能 基因
- 描述： 军事飞行员心理选拔工作对于军队发展至关重要。文章从军事飞行员所面临的新时代要求和过往已有选拔工作中存在的不足这两个方面,探讨了目前我国军事飞行员心理选拔所面临的问题,并且从选拔方法和选拔思想两个层面提出了建议。
- 基于机器学习的航空器进近飞行时间预测
- 作者： 叶博嘉 鲍序 刘博 田勇 来源： 航空学报 年份： 2021 文献类型 ： 期刊 关键词： 空中交通管理 机器学习 特征重要度 随机森林 进近飞行时间预测
- 描述： 为了准确预测航空器的落地时间,提高空管部门间的协作效率,采用机器学习的方法对航空器进近阶段飞行时间进行了预测。从实际运行出发,分析航空器在进近管制空域飞行时间产生差异的原因,提出了影响航空器在进近空域飞行的8类因素和17个重要特征。以航空器在进近飞行时间为标签,基于提出的重要特征,采用岭回归、支持向量机、随机森林和神经网络算法,建立了4种基于机器学习的航空器进近飞行时间预测模型。以南京进近为实例,对4种机器学习模型进行训练、验证和测试,对模型的性能指标、特征重要性和影响因素展开分析。研究结果表明,对于航空器进近飞行时间的预测,基于随机森林的模型表现出了最高的预测性能,模型的泛化能力最好、精确度高,回归效果越显著;进场状态是影响航空器进近飞行时间的最重要因素,而进场点和进场高度特征则对结果的贡献度最大。
- 基于机器学习的航空器进近飞行时间预测
- 作者： 叶博嘉 鲍序 刘博 田勇 来源： 航空学报 年份： 2021 文献类型 ： 期刊 关键词： 空中交通管理 机器学习 特征重要度 随机森林 进近飞行时间预测
- 描述： 为了准确预测航空器的落地时间,提高空管部门间的协作效率,采用机器学习的方法对航空器进近阶段飞行时间进行了预测。从实际运行出发,分析航空器在进近管制空域飞行时间产生差异的原因,提出了影响航空器在进近空域飞行的8类因素和17个重要特征。以航空器在进近飞行时间为标签,基于提出的重要特征,采用岭回归、支持向量机、随机森林和神经网络算法,建立了4种基于机器学习的航空器进近飞行时间预测模型。以南京进近为实例,对4种机器学习模型进行训练、验证和测试,对模型的性能指标、特征重要性和影响因素展开分析。研究结果表明,对于航空器进近飞行时间的预测,基于随机森林的模型表现出了最高的预测性能,模型的泛化能力最好、精确度高,回归效果越显著;进场状态是影响航空器进近飞行时间的最重要因素,而进场点和进场高度特征则对结果的贡献度最大。