政策工具视角下重庆市通用航空发展政策研究

作者： 颜明珠   来源： 重庆大学 年份： 2021 文献类型 ： 学位论文 关键词： 通用航空   政策工具   调查研究  

描述： 政策工具视角下重庆市通用航空发展政策研究

政策工具视角下民航安全管理政策分析

作者： 刘玲莉     张田田   来源： 综合运输 年份： 2024 文献类型 ： 期刊 关键词： 政策要素   政策工具   量化分析   交叉分析   民航安全管理  

描述： 政策工具视角下民航安全管理政策分析

政策工具视角下民航安全管理政策分析

作者： 刘玲莉     张田田   来源： 综合运输 年份： 2024 文献类型 ： 期刊 关键词： 政策要素   政策工具   量化分析   交叉分析   民航安全管理  

描述： 政策工具视角下民航安全管理政策分析

航空安全自愿报告信息的抽取式自动文摘应用

作者： 刘俊杰   董立映   来源： 第十七届中国智能交通年会科技论文集 年份： 2022 文献类型 ： 会议论文 关键词： 文本摘要   民航安全   自愿报告信息   抽取式   文本分析  

描述： 航空安全自愿报告信息的抽取式自动文摘应用

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。

航空安全自愿报告信息的抽取式自动文摘应用

作者： 刘俊杰   董立映   来源： 第十七届中国智能交通年会科技论文集 年份： 2022 文献类型 ： 会议论文 关键词： 文本摘要   民航安全   自愿报告信息   抽取式   文本分析  

描述： 航空安全自愿报告信息的抽取式自动文摘应用

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。

中国公务航空的转型之年

作者： 静宇   来源： 大飞机 年份： 2019 文献类型 ： 期刊 关键词： 通用航空产业   公务航空  

描述： 在经历了几年的"野蛮生长"之后,中国公务航空市场正在逐步走向理性和成熟,用航空业的术语来说,就是"在全速前进、快速爬升之后,正向远程巡航新模式转变"。因此,回顾近两年中国公务航空市场的发展,"转型"成为了一个关键词。从2014年遭遇市场寒流至今,我国公务航空市场的各方参与者:制造商、运营