航空人为差错事故/事件分析(ECAR)模型研究

为深入研究航空人为差错事故/事件的影响因素,以人为差错相关理论为基础,对比分析几种典型的人为差错分析模型;通过借鉴ECCAIRS分析框架,并在基元事件分析(EEAM)逻辑和CCAR396部的分类方法基础上,构建航空人为差错事故/事件分析(ECAR)模型,它从事件层、描述层、原因层和组织因素与改进建议层,分析航空事故和不安全事件的人为差错。此外,还将组织因素概念引入该模型。

联合建模异构社交和内容信息的活动推荐模型

随着基于活动的社交网络的迅速发展,活动推荐已成为一个重要的工具,帮助人们在线上发现有趣的活动,并在线下面对面地参与活动.但是,相对于传统的推荐系统,活动推荐面临着很多挑战.(1)用户只能参与很少的活动,这就导致一个非常稀疏的用户-活动矩阵;(2)用户对活动的响应是隐性反馈;(3)活动本身有生命周期,已经过期的活动不能再向用户推荐;(4)每天会有很多新的活动产生,需要及时向用户推荐.为了应对这些挑战,提出一个联合建模异构社交和内容信息的活动推荐模型.该模型可同时探索用户的线上和线下社交活动,并结合活动内容建模用户对活动的决策行为.在Meetup数据集上做实验以评估所提出模型的性能.实验结果表明,提出的模型优于其他方法.

基于视觉注意模型和HMM的足球视频语义分析

HMM模型具有良好的适应性,可以自动学习,对预测随机时序数据性能良好。场景是足球视频的基本特征,场景的转换体现了足球视频的摄制、编辑模式,表现了足球视频的语义。提出了一种基于场景分析和HMM的视频语义分析框架,用于识别足球视频中的一些语义事件。为了克服以往基于主颜色和其他底层特征的视频场景分析中存在的较大误差,又提出基于视觉注意模型对足球视频中的场景进行分析。实验结果表明。

基于主题模型分析与用户长短兴趣的活动推荐

针对活动社交网络中如何为用户进行个性化活动推荐的问题,结合LDA主题模型分析,提出了一种结合用户长短期兴趣建模的活动推荐方法.算法引入了时间函数与行为权重,根据用户的历史行为记录,分别计算用户的长短兴趣模型,然后采用长兴趣模型匹配活动类别,选取高匹配度的前三类活动后,再利用短兴趣模型对所匹配活动类别中的活动进一步筛选,得到每类活动与用户短兴趣模型匹配度较高的K个活动,最后汇总排序后选取相似值较高的K个活动形成推荐结果.爬取了豆瓣活动网站的实际数据进行实验,结果验证了该算法的有效性和高效性.

基于HFACS-ISM的空管不安全事件人因分析

为研究空管不安全事件发生过程中人为因素的系统结构,提升空管不安全事件预防水平,为空管不安全事件提供事后调查参考依据,通过人因分析与分类系统(HFACS)模型的分析思路总结了17项空管不安全事件人为因素,利用解释结构模型(ISM)建立了空管不安全事件人为因素5级递阶层次结构,最后从组织层面和个人层面分别提出了空管不安全事件的预防对策。结果表明,技能差错、决策差错、知觉差错、习惯性违规、偶然性违规是空管不安全事件的直接影响因素;资源管理、组织氛围和组织过程是重要的组织因素;运行准备、运行计划、风险防范、监督检查及管制环境等是诱导发生不安全事件的核心因素。