基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
对航班备降问题的小样本特点进行了分析,提出了基于观察学习的航班备降概率分布预测模型.该模型利用松弛属性约束思想抽取数据子集,三次样条插值方法构建基学习器,并结合虚拟数据生成策略促使各基学习器达成一致.并在此基础上,对信任度参数进行优化,进一步完善了预测模型.在航班备降数据集的实验表明,在大样本下,该预测模型的预测精度高于朴素贝叶斯方法和贝叶斯网方法;在小样本数据集上分析了航班不同备降次数下的置信度,为相关部门提供决策支持.
推荐文章
改进ConvNeXt网络的航班延误预测模型优化研究
航班延误
ConvNeXt
数据处理
深度学习
分类
航班延误预测研究概述
航班延误
航班延误预测
航班延误预测流程
数据挖掘
区域管制空域航班延误实时预测模型
航班延误
平均延误时间
区域管制空域
实时预测
云南地区6级以上强震时间分布特征及其概率预测模型研究
6级以上强震
间隔时间
分布特征
概率预测模型
预测预警指标
云南地区
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 航班备降概率分布预测模型研究
来源期刊 计算机工程与应用 学科 工学
关键词 观察学习算法 小样本问题 概率分布 贝叶斯学习 航班备降
年,卷(期) 2017,(20) 所属期刊栏目 工程与应用
研究方向 页码范围 259-264
页数 6页 分类号 TP391.9
字数 6659字 语种 中文
DOI 10.3778/j.issn.1002-8331.1606-0067
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈国明 中国民航大学计算机科学与技术学院 10 161 6.0 10.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (30)
共引文献  (10)
参考文献  (10)
节点文献
引证文献  (1)
同被引文献  (5)
二级引证文献  (0)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(5)
  • 参考文献(1)
  • 二级参考文献(4)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(4)
  • 参考文献(0)
  • 二级参考文献(4)
2009(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(6)
  • 参考文献(0)
  • 二级参考文献(6)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(2)
  • 参考文献(1)
  • 二级参考文献(1)
2014(3)
  • 参考文献(3)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
观察学习算法
小样本问题
概率分布
贝叶斯学习
航班备降
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导