多笔画联机手写字符识别的动态时间规正算法(英文)

在单笔画符号(或字符)联机手写识别中,动态时间规正(DTW)算法遵循时间次序约束和边界约束,并具有较高的识别率.为了将此算法应用于多笔画符号识别,常用而简单的方法是按照人们的手写顺序连接多笔画符号为单笔画符号.但此方法存在一个问题:人们常使用不同的笔画顺序和笔画方向书写同一个符号,用朴素(Brute Force)方法寻找所有笔画可能性非常耗时.为了降低计算复杂度,文中提出了DTW A*算法.在部分笔画匹配时,此算法保留着次序约束,并用A*算法降低计算复杂度.文中还通过流程图数据库多笔画符号识别实验对比了DTW A*算法、DTW算法、改良Hausdorff距离3种算法的性能,结果表明DTW A*算法具有最高的识别率和最好的稳定性.

基于时空关联网络的机场机位运行过程建模

为了提高机场机位运行效率,对机位运行过程进行精确分析描述。在分析机场进出港航班机位运行流程的基础上,将机位运行过程抽象为时空关联网络,定性描述航班与机位的逻辑关系,使用航班时间窗、机位地理位置等特征参数定量描述机位运行信息,由此构建一种基于时空关联网络的机场机位运行过程定量描述模型。利用国内某大型枢纽机场实际机位运行数据对所提模型进行分析验证,结果显示,时空关联网络模型符合幂律分布,58.62%的节点平均误差为0.1724 h,节点度分布均值为0.6667,聚集系数均值为0.8075。节点度分布较高和聚类系数较高的节点为关键节点,对应影响力较大的关键航班;较现有模型,描述态势信息的宏观微观特征参数提升了场景描述精度并能有效适应数据规模的变化。

机场进港旅客时间价值双加权K近邻预测模型

针对进港旅客分布态势的预测能力不足问题,以某机场进港航班信息与进港旅客人数数据为基础,探究进港旅客到达分布规律。通过平衡特征因素构造改进欧式距离的双加权K近邻算法,结合进港航班计划信息驱动的时间价值函数,考虑影响各到达口旅客的特征演化规律,构建双加权K近邻的进港旅客预测模型,实现对某机场单航班进港旅客到达口人数精准预测。实验结果表明,与SVR模型和传统的K近邻模型比较,均方根误差RMSE值性能提高5.8%,拟合优度值提高7.2%。为大型机场进港旅客分布态势精准预测提供了科学依据和参考方法。

基于模仿学习的机场停机位再分配决策算法

针对机位再分配算法结果难以满足不同操作人员操作习惯的问题,提出一种符合实际业务人员操作习惯的机位再分配推荐算法。首先以航班特征属性和停机位的资源占用状态构建决策环境空间模型,将人工操作数据转换为多通道时空矩阵,再以卷积神经网络构建的生成对抗网络(generative adversarial network,GAN)拟合其序贯决策操作策略。仿真结果表明,可靠度在90%以上的调整动作占比最高达到84.4%。经过在三个数据集上的测试,模型对不同来源的操作数据具有较好的区分能力。对比不同扰动下的动态调整结果,算法能够得到航班—机位属性特征与原有人工操作属性特征接近的调整方案。

航班地面保障过程决策支持体系建模

针对航班地面保障过程决策能力不足、运行效率低下的问题,提出一种基于国防部体系结构框架(department of defense architecture framework,DoDAF)的航班地面保障过程决策支持模型。从保障作业、保障资源以及二者间关联关系出发,定量描述航班地面保障过程,将DoDAF与基于模型的系统工程(model-based systems engineering,MBSE)相结合建立航班地面保障过程决策支持模型,建立决策效用函数,分析航班保障各环节综合保障的效用值。对比实际数据与本文决策支持模型得到的数据,结果表明决策后的撤轮挡时间与目标撤轮档时间的平均绝对误差对比实际撤轮档时间和目标撤轮档时间的平均绝对误差降低1.42 min,均方根误差降低0.95 min,对于不同机型航班,决策后的保障服务时间与计划保障时间相对误差对比决策前分别降低31%、17%和42%,同时可以得到保障时间与保障效用的关系,证明本文提出的决策模型的可行性和有效性。