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
- 民航空中交通管理运行过程中的不安全因素探究
- 作者： 朱金惠 来源： 中国航务周刊 年份： 2024 文献类型 ： 期刊 关键词： 空中交通管理 不安全因素 民航安全
- 描述： 通过对空中交通管理不安全因素的深入研究，本文为相关领域提供了全面的认识和有效的改善建议，有望为决策者、从业者和研究者提供指导，推动空中交通管理的可持续发展和提高民航安全水平。
- 民航空中交通管理运行过程中的不安全因素探究
- 作者： 朱金惠 来源： 中国航务周刊 年份： 2024 文献类型 ： 期刊 关键词： 空中交通管理 不安全因素 民航安全
- 描述： 通过对空中交通管理不安全因素的深入研究，本文为相关领域提供了全面的认识和有效的改善建议，有望为决策者、从业者和研究者提供指导，推动空中交通管理的可持续发展和提高民航安全水平。
- 民航安检员警觉性的多维构成研究
- 作者： 何垠墀 石珂 陈晓媛 米新田 高子丹 齐晓云 来源： 河北企业 年份： 2024 文献类型 ： 期刊 关键词： 民航安检员 警觉性 民航安全 安检 多维构成
- 描述： 安检是航空安全的第一道防线，是民航空防安全的重要组成部分，安检员警觉性对航空安保的快速反应和空防体系构建至关重要。借鉴前人研究成果，剖析安检警觉性的多维构成，通过预调查的信效度分析、修正量表，并通过正式调查，得到由技能警觉、行为警觉、态度警觉构成的民航安检员警觉性测度体系，最终提出了安检员警觉性的提升对策。
- 结合Word2vec和BiLSTM的民航非计划事件分析方法
- 作者： 王捷 周迪 左洪福 黄维 来源： 合肥工业大学学报(自然科学版) 年份： 2024 文献类型 ： 期刊 关键词： 双向长短期记忆(BiLSTM)神经网络 非计划事件 民航安全 文本分析 word2vec
- 描述： 结合Word2vec和BiLSTM的民航非计划事件分析方法
- 基于CNN-LSTM混合模型的民航非计划事件分析方法
- 作者： 王捷 周迪 左洪福 陆扬 来源： 计算机与数字工程 年份： 2024 文献类型 ： 期刊 关键词： 长短时记忆神经网络 卷积神经网络 深度学习 民航安全 文本分析
- 描述： 安全是民航业的核心主题，非计划事件是辨识安全隐患、改善航空安全的重要信息来源。非计划事件的非结构化和数量庞大等特性使得人工分析变得困难且效率低下。为提高非计划事件的分析效率和精度，论文提出了一种基于CNN-LSTM的混合深度神经网络模型，用于民航非计划事件的自动化分析。并与SVM、CNN、LSTM等模型进行比较，在航空公司的事件日志样本数据集上进行训练并做出事件分类结果的判断。实验结果表明，所提出的CNN-LSTM混合模型具有最高的分类准确率，对于不平衡数据样本，具有最稳定的分类性能。
- 结合Word2vec和BiLSTM的民航非计划事件分析方法
- 作者： 王捷 周迪 左洪福 黄维 来源： 合肥工业大学学报(自然科学版) 年份： 2024 文献类型 ： 期刊 关键词： 双向长短期记忆(BiLSTM)神经网络 非计划事件 民航安全 文本分析 word2vec
- 描述： 结合Word2vec和BiLSTM的民航非计划事件分析方法
- 基于CNN-LSTM混合模型的民航非计划事件分析方法
- 作者： 王捷 周迪 左洪福 陆扬 来源： 计算机与数字工程 年份： 2024 文献类型 ： 期刊 关键词： 长短时记忆神经网络 卷积神经网络 深度学习 民航安全 文本分析
- 描述： 安全是民航业的核心主题，非计划事件是辨识安全隐患、改善航空安全的重要信息来源。非计划事件的非结构化和数量庞大等特性使得人工分析变得困难且效率低下。为提高非计划事件的分析效率和精度，论文提出了一种基于CNN-LSTM的混合深度神经网络模型，用于民航非计划事件的自动化分析。并与SVM、CNN、LSTM等模型进行比较，在航空公司的事件日志样本数据集上进行训练并做出事件分类结果的判断。实验结果表明，所提出的CNN-LSTM混合模型具有最高的分类准确率，对于不平衡数据样本，具有最稳定的分类性能。