排序方式: 共有51条查询结果,搜索用时 22 毫秒
1.
一种新型航班延误组合预测模型 总被引:1,自引:0,他引:1
为了克服单一的航班延误预测模型在预报时的缺陷,在分析航班延误的特点的情况下,提出了一种基于危险模式和灰色预测组合的新型航班延误预测的方法。对这两种预测方法的结果采用加权组合预测的方式来预测航班延误的趋势变化,预测结果是单一预测模型的加权和,加权系数动态确定。最后通过国内的某枢纽机场的航班延误情况进行了验证。实验表明该模型可以不受某一较差的预测模型影响,从而有较好的预测效果。 相似文献
2.
提出了一种凹多边形凸分解的全局剖分算法。首先对局部剖分算法的原理及存在的问题进行了阐述,并对基于正负法搜索可视点串的算法进行了更正和改进,然后利用改进的权函数从全局剖分的角度选择最优的剖分点进行剖分。同局部剖分算法相比,提高了剖分后所得的多边形形态质量。该算法主要作为轮廓偏置算法的前期处理算法,对原轮廓进行分解,提高了原轮廓多边形进行轮廓偏置算法的运行效率。 相似文献
3.
机场道面裂缝、角隅断裂、接缝破碎、修补等病害宽度狭小、长短不一、图像中像素占比少,呈细带状结构,且与复杂背景对比度低,现有检测算法效果不佳。针对以上问题,提出了一种基于注意力机制与特征融合的深度神经网络模型DetMSPNet。首先,利用注意力机制模块CBAM,使得特征学习更加专注于细带状结构病害区域,抑制干扰信息;其次,构建残差空洞金字塔模块,提取不同尺度空间下的特征信息;然后,设计最大池化支路,便于之后浅、深层不同层次特征进行融合,加强模型对于病害的定位能力,并且将深层特征输入3种不同扩张率的扩张卷积和金字塔池化模块,使得病害特征包含更多全局上下文信息;最后,对所有层输出的病害特征信息进行融合,实现不同尺度、不同层次特征的信息互补。与目前3种经典的目标检测算法在机场道面病害图像数据集APD上做了对比实验,结果表明:所提算法的mAP达到78.51%,优于对比算法。所提DetMSPNet模型,提高了算法对机场道面细带状结构病害检测中宽度狭小、长短不一、图像中像素占比少、与复杂背景对比度低等情况的适应能力。 相似文献
4.
5.
在分析了传统的主题模型后提出了一种基于LDA的航线潜在价值挖掘模型。该模型将旅客出行行为的分析划分成两个阶段,出行意图的确定及出行意图下航线的选择,并与旅客价值进行融合来挖掘航线的潜在价值。出行意图采用Gibbs sampling方法从旅客出行记录中获取,航线则在旅客确定出行意图后由出行意图的航线向量获得,旅客价值则结合出行中的舱位信息进行提取。在中国民航旅客订票数据集上的实验表明,本文模型在2010年和2011年两个数据集上获得的两组航线潜在价值序列比pLSI模型和senLDA模型获得的两组航线潜在价值序列都拥有更好的有序相关性,且在挖掘排名前5的航线潜在价值时,本文模型在该两个数据集上获得了两组完全一致的航线潜在价值序列,表明其在挖掘高潜在价值航线方面的优势。 相似文献
6.
7.
已有的飞行品质监控(FOQA)标准仅由地速的积分距离判定接地点远事件(LTE)的发生,无法结合多个快速存取记录器(QAR)参数检测并解释发生该事件的原因。通过滑动窗口对包含多个参数的QAR样本进行分段,按照分段位置形成若干分段样本集。由长短时记忆网络(LSTM)自编码器得到QAR样本分段及分段内向量的特征表示,采用K-means分别对这些表示向量进行聚类处理,实现QAR样本及其分段的符号化。使用正常航班QAR样本集的符号序列建立隐马尔可夫模型(HMM),以检测包含接地点远事件的航班。由发生及未发生接地点远事件的QAR样本各个分段的符号序列构建HMM后,采用Viterbi算法确定接地点远事件在QAR样本分段内的具体位置。在真实QAR数据集上的实验结果表明,与其他多维时间序列异常检测方法相比,所提方法不仅能有效检测接地点远事件,而且可以获得多个QAR参数的异常值,辅助领域专家分析发生该事件的原因。 相似文献
8.
随着无线网络的普及,用户的上网行为分析已经成为各单位提高服务质量、增长收益的重要途径。概述了Web日志挖掘的相关概念、方法和步骤。针对机上无线局域网的用户访问行为,对用户访问日志进行预处理,由日志中的旅客座位信息所关联到的旅客基本信息来确定旅客类别,通过计算分析用户的访问兴趣度,最终得出不同类别旅客的访问兴趣分布。 相似文献
9.
航空安全报告是为解决航空安全存在的隐患问题而提出的。航空安全报告自动分析解决了人为分析耗时和不客观的缺点。文本分词是叙述性报告自动分析的第1步。以最大匹配法为基础,采用二分法进行分词匹配,有效地提高了分词的准确率和时效。最后给出了对航空安全报告分词预处理的实验结果和分析。 相似文献
10.