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
- 机器学习技术在民航安全管理中的应用探析
- 作者： 阙佳鸿 来源： 科技创新与应用 年份： 2017 文献类型 ： 期刊 关键词： 机器学习 计算机视觉 机场管制 模式识别 民航安全
- 描述： 文章介绍了机器学习的算法分类和应用场景,指出了我国民用航空安全系统的现状以及存在的问题。并且在此基础上探讨了机器学习的主要技术在民航安全系统中的应用。为民航安全系统信息化建设进程的进一步发展提供
- 航空安全监察员胜任力模型研究
- 作者： 宋洋 罗嘉欣 王燕青 来源： 综合运输 年份： 2023 文献类型 ： 期刊 关键词： 胜任力模型 灰色聚类 模糊网络分析 民航安全 航空安全监察员
- 描述： 指标及18个二级指标。运用模糊网络分析法构建了航空安全监察员胜任力网络结构模型，得到各胜任力指标权重，并确定了航空安全监察员胜任力关键性指标。利用灰色白化权聚类法构建了航空安全监察员胜任力评价模型，并
- 比较法视野下的民航旅客黑名单范围研究
- 作者： 高志宏 高飞 来源： 南京航空航天大学学报(社会科学版) 年份： 2023 文献类型 ： 期刊 关键词： 旅客不文明行为 黑名单 民航安全 公共运输承运人 拒载权
- 描述： 适用范围和适用条件。不文明行为不宜作为民航旅客黑名单范围的标准，应以危害民航安全作为民航旅客黑名单范围的标准，并以类型化方式对民航旅客黑名单的适用范围作出明确规定。
- 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。
- 航空安全监察员胜任力模型研究
- 作者： 宋洋 罗嘉欣 王燕青 来源： 综合运输 年份： 2023 文献类型 ： 期刊 关键词： 胜任力模型 灰色聚类 模糊网络分析 民航安全 航空安全监察员
- 描述： 指标及18个二级指标。运用模糊网络分析法构建了航空安全监察员胜任力网络结构模型，得到各胜任力指标权重，并确定了航空安全监察员胜任力关键性指标。利用灰色白化权聚类法构建了航空安全监察员胜任力评价模型，并
- 比较法视野下的民航旅客黑名单范围研究
- 作者： 高志宏 高飞 来源： 南京航空航天大学学报(社会科学版) 年份： 2023 文献类型 ： 期刊 关键词： 旅客不文明行为 黑名单 民航安全 公共运输承运人 拒载权
- 描述： 适用范围和适用条件。不文明行为不宜作为民航旅客黑名单范围的标准，应以危害民航安全作为民航旅客黑名单范围的标准，并以类型化方式对民航旅客黑名单的适用范围作出明确规定。
- 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。