首页>
根据【关键词:空中交通管理,优化,航空运输,进场调度,分类】搜索到相关结果 583 条
-
多工况下航空发动机的故障模式分类
-
作者:
韩光洁
田晨
缑林峰
邵冬
罗斌
徐甜甜
林川
来源:
小型微型计算机系统
年份:
2022
文献类型 :
期刊
关键词:
航空发动机
一维卷积神经网络
故障模式
分类
-
描述:
航空发动机在多个操作条件下具有不同的故障模式.针对现有航空发动机数据集的故障模式和数据特点,本文在多工况下提出了一种基于一维卷积神经网络的航空发动机故障模式分类方法.该方法无需其他特征提取算法
-
基于源矩阵的大型航空枢纽特征分类研究
-
作者:
李云龙
来源:
重庆交通大学学报(社会科学版)
年份:
2017
文献类型 :
期刊
关键词:
矩阵
规律
航空枢纽
分类
-
描述:
随着全球连通性的不断加强和航空运输业的迅速发展,以及人们对于规模经济的进一步认识和重视,全球各国对于建设全球型航空枢纽的想法越来越坚决,在探索和建设航空枢纽过程中展开了激烈的竞争,定位不清和盲目跟风
-
基于Hu矩与改进PNN的飞机姿态识别算法
-
作者:
成杰
李新德
来源:
航空兵器
年份:
2017
文献类型 :
期刊
关键词:
概率神经网络
姿态
Hu矩
飞机
分类
-
描述:
的360°姿态按三视图分为三个类别,即正视图、侧视图、俯视图。四维Hu矩作为PNN输入,三个视图代表的三个类别作为PNN输出,构建PNN网络。实验结果表明,对于无噪声图片平均识别率可以达到91.2%以上;对于有噪声图片平均识别率可以达到87.0%以上,可见训练后的网络具备良好的泛化能力。
-
基于表面深度值均方差的航空行李分类研究
-
作者:
高庆吉
位园园
来源:
计算机工程与科学
年份:
2017
文献类型 :
期刊
关键词:
方差
航空行李
三维形态
分类
自适应聚类
-
描述:
以航空旅客行李托运方式的国际标准为出发点,研究了基于行李表面深度值均方差的分类方法,为采取何种方式托运提供依据。采用Kinect传感器在行李输送带上方采集深度图像,提取行李区域的像素值并计算其均方差
-
遥感图像飞机目标分类的卷积神经网络方法
-
作者:
周敏
史振威
丁火平
来源:
中国图象图形学报
年份:
2017
文献类型 :
期刊
关键词:
卷积神经网络
深度学习
可见光遥感
飞机
分类
-
描述:
飞机目标分类问题。方法在缺乏公开数据集的情况下,收集了真实可见光遥感图像中的8种飞机数据,按大致4∶1的比例分为训练集和测试集,并对训练集进行合理扩充。然后针对遥感图像与飞机分类的特殊性,结合深度学习
-
民用运输类飞机结构修理的分类与审批
-
作者:
乔玉
林桂平
来源:
航空维修与工程
年份:
2018
文献类型 :
期刊
关键词:
批准
修理
适航
运输类飞机
分类
-
描述:
为明确民用运输类飞机结构修理适航要求,对国内外适航规章、程序及民机制造商制定的修理手册进行了研究。总结了适航规章对修理的定义和分类要求,以及民机制造商对结构修理种类的划分方法。对比分析了国际主要
-
基于Kohonen神经网络的飞机结构涂层失效分析
-
作者:
徐元铭
冉峻塽
来源:
飞机设计
年份:
2018
文献类型 :
期刊
关键词:
腐蚀
Kohonen神经网络
涂层
EIS
分类
-
描述:
过程中测得。将试件每周期的阻抗变化率作为神经网络的输入数据,用3组试件的试验数据对神经网络进行训练,用另一组试件数据进行测试。Kohonen神经网络将涂层失效过程分成了5个子过程,相比传统的3个过程分类
-
民用运输类飞机结构修理的分类与审批
-
作者:
乔玉
林桂平
来源:
航空维修与工程
年份:
2018
文献类型 :
期刊
关键词:
批准
修理
适航
运输类飞机
分类
-
描述:
为明确民用运输类飞机结构修理适航要求,对国内外适航规章、程序及民机制造商制定的修理手册进行了研究。总结了适航规章对修理的定义和分类要求,以及民机制造商对结构修理种类的划分方法。对比分析了国际主要
-
基于Kohonen神经网络的飞机结构涂层失效分析
-
作者:
徐元铭
冉峻塽
来源:
飞机设计
年份:
2018
文献类型 :
期刊
关键词:
腐蚀
Kohonen神经网络
涂层
EIS
分类
-
描述:
过程中测得。将试件每周期的阻抗变化率作为神经网络的输入数据,用3组试件的试验数据对神经网络进行训练,用另一组试件数据进行测试。Kohonen神经网络将涂层失效过程分成了5个子过程,相比传统的3个过程分类
-
基于Hu矩与改进PNN的飞机姿态识别算法
-
作者:
成杰
李新德
来源:
航空兵器
年份:
2017
文献类型 :
期刊
关键词:
概率神经网络
姿态
Hu矩
飞机
分类
-
描述:
的360°姿态按三视图分为三个类别,即正视图、侧视图、俯视图。四维Hu矩作为PNN输入,三个视图代表的三个类别作为PNN输出,构建PNN网络。实验结果表明,对于无噪声图片平均识别率可以达到91.2%以上;对于有噪声图片平均识别率可以达到87.0%以上,可见训练后的网络具备良好的泛化能力。