全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
按文献类别分组
按栏目分组
关键词
- 基于机器学习的民航信息岗工作负荷预测研究
- 作者： 李华锋 辜汝桐 吴东岳 来源： 民航管理 年份： 2024 文献类型 ： 期刊 关键词： 机器学习 工作负荷 相似日 民航信息岗
- 描述： 民航的信息收集和分析工作是确保航班安全高效运行的重要组成部分，但目前对于该岗位的工作负荷缺乏一种定量、系统的评价与预测方法。本文以航行情报工作中的航行通告岗位为例，基于机器学习构建工作负荷预测模型
- 基于极限梯度提升的完美匹配单层智能算法实现航空瞬变电磁问题高效吸收
- 作者： 冯乃星 王欢 朱子贤 董纯志 李宏杨 张玉贤 杨利霞 黄志祥 来源： 物理学报 年份： 2024 文献类型 ： 期刊 关键词： 时域有限差分 完美匹配单层 机器学习 极限梯度提升
- 描述： 机器学习模型,因此它在模型训练的稳定性和轻量级方面具有显著的优势.最后,通过对航空瞬变电磁应用进行三维数值模拟,验证了该方法的有效性和稳定性.该模型不仅在精度、效率和问题复杂性方面具有优势,而且还可以成功地集成到时域有限差分求解器中,解决低频航空瞬变电磁问题.
- 基于改进型自注意力机制的飞机货舱多参数火灾探测方法
- 作者： 王海斌 张志慧 卜宗豪 高子善 刘全义 来源： 清华大学学报(自然科学版) 年份： 2025 文献类型 ： 期刊 关键词： 火灾探测 自注意力机制 机器学习 Transformer模型
- 描述： 基于改进型自注意力机制的飞机货舱多参数火灾探测方法
- 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
- 光学遥感图像中的飞机目标检测技术研究综述
- 作者： 祝文韬 谢宝蓉 王琰 沈霁 朱浩文 来源： 计算机科学 年份： 2021 文献类型 ： 期刊 关键词： 机器学习 光学遥感图像 深度学习 飞机目标检测 模板匹配
- 描述： 光学遥感图像中的飞机目标检测技术已被广泛应用于城市规划、航空交通以及军事侦察领域。目前尽管已有大量研究,但仍然存在很多问题亟待解决。文中回顾了该技术研究现状,并从遥感图像目标检测思路出发,将飞机目标检测方法总结为3类,对这3类检测方法的概念和研究情况分别进行了阐述,并在此基础上进行了比较分析,重点研究了深度学习方法在该领域的研究情况并讨论了样本和数据集问题,最后讨论了飞机目标检测的关键技术难点,并对该领域的未来发展趋势做了展望。
- 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
- 光学遥感图像中的飞机目标检测技术研究综述
- 作者： 祝文韬 谢宝蓉 王琰 沈霁 朱浩文 来源： 计算机科学 年份： 2021 文献类型 ： 期刊 关键词： 机器学习 光学遥感图像 深度学习 飞机目标检测 模板匹配
- 描述： 光学遥感图像中的飞机目标检测技术已被广泛应用于城市规划、航空交通以及军事侦察领域。目前尽管已有大量研究,但仍然存在很多问题亟待解决。文中回顾了该技术研究现状,并从遥感图像目标检测思路出发,将飞机目标检测方法总结为3类,对这3类检测方法的概念和研究情况分别进行了阐述,并在此基础上进行了比较分析,重点研究了深度学习方法在该领域的研究情况并讨论了样本和数据集问题,最后讨论了飞机目标检测的关键技术难点,并对该领域的未来发展趋势做了展望。
- 基于XGBoost的航空器动态滑行时间预测方法研究
- 作者： 赵征 冯事成 宋梅雯 胡莉 陆莎 来源： 航空工程进展 年份： 2022 文献类型 ： 期刊 关键词： 机器学习 XGBoost 动态滑行时间 航空运输 样本量
- 描述： 对航空器进港和离港滑行时间进行精确的动态预测,可以有效提升机场的运行效率。首次提出基于XGBoost的航空器动态滑行时间预测方法,该方法首先通过分析影响机场滑行时间的各类因素,构建可变滑行时间预测的关键特征指标;然后选取XGBoost算法建立可变滑行时间预测模型,对模型的关键输入参数进行测试调整;最后将XGBoost算法与随机森林和支持向量回归算法的预测效果进行对比。同时,首次剖析样本数据量与滑行时间预测精度的关联,并以广州白云国际机场为分析对象进行实验。结果表明:采用XGBoost算法,进/离港滑行时间的预测精度分别达到了94.1%和96.6%,优于主流算法随机森林和支持向量回归;且实现白云机场动态滑行时间的精确和稳定预测所需样本量在32 000条(含)以上。
- 基于XGBoost的航空器动态滑行时间预测方法研究
- 作者： 赵征 冯事成 宋梅雯 胡莉 陆莎 来源： 航空工程进展 年份： 2022 文献类型 ： 期刊 关键词： 机器学习 XGBoost 动态滑行时间 航空运输 样本量
- 描述： 对航空器进港和离港滑行时间进行精确的动态预测,可以有效提升机场的运行效率。首次提出基于XGBoost的航空器动态滑行时间预测方法,该方法首先通过分析影响机场滑行时间的各类因素,构建可变滑行时间预测的关键特征指标;然后选取XGBoost算法建立可变滑行时间预测模型,对模型的关键输入参数进行测试调整;最后将XGBoost算法与随机森林和支持向量回归算法的预测效果进行对比。同时,首次剖析样本数据量与滑行时间预测精度的关联,并以广州白云国际机场为分析对象进行实验。结果表明:采用XGBoost算法,进/离港滑行时间的预测精度分别达到了94.1%和96.6%,优于主流算法随机森林和支持向量回归;且实现白云机场动态滑行时间的精确和稳定预测所需样本量在32 000条(含)以上。