基于神经网络的飞行科目模板样本集建立方法

为建立某一飞行科目的模板样本集,提出一套基于神经网络和卡尔曼滤波的数据处理方法。任选一次试飞样本,建立Kohonen自组织神经网络进行参数降维、聚类分析、特征提取等,使样本量缩减90%以上,得到该科目的模板样本集。用处理后的样本训练BP神经网络,对其他未经处理的试飞样本进行载荷预测,误差均在3%之内,说明处理后的样本能代表该科目的数据特点,即为模板样本集。方法可以为飞机载荷监控数据库的完善工作服务。     

航空电子企业中数据挖掘技术的应用

以Oracle数据库为源头在微软SQL Server Analysis Services平台上通过建立数据挖掘模型并在航空电子企业中得到实践与应用。     

基于聚类分析的软件多故障定位技术

故障定位的思想一般是通过对程序语句及其执行结果的分析,从而定位到存在缺陷的程序语句的位置.目前,软件单故障定位技术研究较多,多故障相关研究较少.本文根据程序语句覆盖执行信息构造程序谱,提出基于聚类分析的软件多故障定位技术方法,在Siemens测试程序集的基础上,和现有的一些基于程序谱的定位方法进行对比,在大部分的情形下,验证了本文提出的基于聚类分析的软件多故障定位技术在软件多故障定位方面的定位效率要优于这些方法,减少测试人员的工作开销.     

基于事故数据挖掘的AEB路口测试场景

基于国家车辆事故深度调查体系中499例真实的路口事故数据，研究适应于中国的自动紧急制动系统（AEB）路口测试场景。通过基于多元Logistic回归的事故严重程度影响因素分析，提取自动驾驶测试场景的特征要素，构建测试场景。以场景特征要素为聚类参数，采用层次聚类算法挖掘得到了8类路口机动车碰撞典型危险场景，建立了8类适应于中国交通状况的AEB路口测试场景。研究表明:中国的路口场景与Euro-NCAP法规场景有一定的相似性，但较国外更加复杂，其中十字路口的左转与直行冲突是需要重点测试的场景。研究结果可为国内AEB系统的开发和测试提供参考，也可作为建立中国AEB路口测试评价体系的依据。      

基于聚类分析和DEA的枢纽机场评价研究

针对枢纽机场运行效率低下和盲目追求建设超前性问题,用聚类分析明晰全国枢纽机场等级,通过DEA研究枢纽机场的运行效率,并根据各机场发展需求和功能定位,提出我国枢纽机场协同发展策略.结果表明:民用机场被分成4类,一级、二级、三级枢纽分别为3、15、31个.49个枢纽机场中,北京、广州、昆明、深圳、三亚机场效率为1,为DEA有效.评价方法对改善机场的运行业绩具有参考价值,为机场的顶层设计规划提供科学的管理决策依据.     

模糊聚类分析与库存重点管理

建立模糊聚类分析模型，以某厂总装车间配套库为研究对象，选择具有实际意义且有较强分辨性和代表性的统计指标，利用模糊集聚类分析方法对库存物资进行ＡＢＣ分析，得出最具实际经济意义的分类方案，同时根据最优分类结果，针对配套库库存行物资的特性及不合理管理实行重点管理，为以最小的管理精力，取得最大的管理效果和经济效益提供了有铲的方法。     

基于熵权-TOPSIS法的货运航线网络设计研究

本文提出了一种轴辐式货运航线网络设计的方法。运用聚类分析(K-Means)进行枢纽机场选址,以枢纽机场间多重连接的方式,建立无机场容量限制的轴辐式货运航线网络优化模型,运用枚举法求解最终得到一个较为合理的货运航线网络。其中为提高聚类精度,引入熵权-TOPSIS法对数据进行处理,通过对TOPSIS评价数据进行聚类得到精度较高的聚类结果,实验表明基于熵权-TOPSIS的聚类分析较传统的聚类分析降低了运输成本。     

基于PCA聚类机场跑道利用率研究分析

机场跑道利用率低一直是制约机场运行效率的主要因素之一.为找出机场跑道利用率低的机场,首先运用数据挖掘的方式,结合国内外相关研究,找到一套适合机场跑道利用率的评价指标体系,利用主成分聚类分析方法,建立基于主成分聚类分析下机场跑道聚类结果;其次对聚类分析得到的相关图表加以说明,并揭示各大机场跑道利用状况的发展趋势并加以分析.结果表明:PCA聚类分析优于聚类分析,具有一定实用性.     

基于聚类分析和投影距离融合的航空发动机

针对类别判定时对类中个体信息挖掘不足的情况,提出1种新的类别判别方法,充分利用了某1类中各成员的信息,构造待测样本的投影距离,并以此作为分类标准.考虑单一分类标准的片面性,将滑油中金属变化量及变化率进行融合.取距离倒数作为融合参数,得到最终分类结果,从而判断航空发动机所处的性能状况.实例表明:对于测量参数存在小幅值随机噪声的情况,也能得到准确的分类结果,为发动机视情维修提供参考依据.