CN110210695A - 一种基于支持向量机的塔台管制模拟训练评估方法 - Google Patents
一种基于支持向量机的塔台管制模拟训练评估方法 Download PDFInfo
- Publication number
- CN110210695A CN110210695A CN201910304736.0A CN201910304736A CN110210695A CN 110210695 A CN110210695 A CN 110210695A CN 201910304736 A CN201910304736 A CN 201910304736A CN 110210695 A CN110210695 A CN 110210695A
- Authority
- CN
- China
- Prior art keywords
- result
- simulated training
- control simulated
- grade
- control
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012549 training Methods 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012706 support-vector machine Methods 0.000 title claims abstract description 28
- 238000000926 separation method Methods 0.000 claims abstract description 21
- 238000011156 evaluation Methods 0.000 claims description 29
- 238000012360 testing method Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 7
- 238000012795 verification Methods 0.000 claims description 7
- 235000013399 edible fruits Nutrition 0.000 claims description 5
- 230000007423 decrease Effects 0.000 claims description 3
- 238000013210 evaluation model Methods 0.000 claims description 3
- 238000000465 moulding Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 4
- 230000007547 defect Effects 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 12
- 238000004088 simulation Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004900 laundering Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
- G06Q50/2057—Career enhancement or continuing education service
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Technology (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于支持向量机的塔台管制模拟训练评估方法，利用支持向量机适于小样本建模和泛化能力强的优势，建立一个合理的、科学、高效的评估模型，改善了以往的人力评估方式带来的工作量大、主观性强、考核评估周期长的缺陷，通过构建基于支持向量机的等级分类模型，能够实现主动客观地评估每个塔台学员的训练考核结果；此外，由于数据匹配更加精确，能够使塔台学员的等级分类评估结果更加科学、公正、准确，对进一步分析和提高训练质量有着重要的意义。
Description
技术领域
本发明属于空中交通管制技术领域，尤其涉及一种基于支持向量机的塔台管制模拟训练评估方法。
背景技术
空中交通管制员是空中交通的“交警”，他肩负着保障飞机飞行安全的重任，其最根本的工作目标是防止航空器相撞。管制模拟训练系统是管制教学必不可少的实训设备，已经被广泛使用在管制员训练中。通过管制模拟训练系统的课程实训，强化了学员在学校与工作岗位之间的过渡实训环节，可以缩短岗位适应期，逐步实现教育培训与岗位需求的无缝对接，确保了管制员训练的质量。
塔台模拟训练系统作为一种专门提供给塔台飞行管制员训练使用的仿真模拟训练系统，采用计算机模拟仿真技术实时逼真模拟塔台管制指挥的工作场景，拥有训练考核评估、保存训练结果等功能，用于塔台管制教学实践、管制员岗前培训、管制技能考核等场景。
现有的塔台管制员训练系统的考核评估方式主要依赖于教员现场的对学员进行评分，这种考核评估方式存在着工作量大、主观性强、考核评估周期长等问题，难以完全客观反映学员的实际训练情况，而且大量对管制员训练评估起指导作用的训练数据并没有纳入考核评估体系中，不能完全挖掘出训练数据的潜力。
发明内容
为解决上述问题，本发明提供一种基于支持向量机的塔台管制模拟训练评估方法，改善了以往的人力评估方式带来的工作量大、主观性强、考核评估周期长的缺陷，能够实现主动客观地评估每个塔台学员的训练结果。
一种基于支持向量机的塔台管制模拟训练评估方法，包括以下步骤：
S1：获取塔台学员的N个管制模拟训练结果以及各管制模拟训练结果对应的等级，其中，N至少为100；
S2：按照预设比例，将N个管制模拟训练结果划分为训练样本和测试样本；
S3：采用训练样本以及各训练样本对应的等级对支持向量机进行训练，得到备选等级分类模型；
S4：采用测试样本以及各测试样本对应的等级对所述备选等级评估模型的等级分类结果进行验证，然后根据验证结果对所述备选等级分类模型的核函数和惩罚因子进行调整，使得备选等级分类模型的验证结果的准确率满足设定阈值，得到最终的等级分类模型；
S5：重新获取塔台学员的管制模拟训练结果，输入所述等级分类模型，得到塔台学员的管制模拟训练结果的所属等级，实现塔台管制模拟训练的评估。
进一步地，所述管制模拟训练结果为评估指标的组合，其中，所述评估指标的组合为指挥航空器总数、指挥航空器进场数、指挥航空器离场数、指挥航空器过往数、占用通话频道时长、通话次数、正点率、延误飞机架次、延误总时间、延误率、告警次数、告警持续时长、预警次数、非法干扰数、无线电故障数、紧急情况数、发生特情总数、特情正确处理次数、特情处理时长、飞机密集度、飞行冲突密集度、航向引导指令的数目、速度引导指令的数目、高度引导指令的数目、错误指令数、指挥后进入恶劣天气的次数、引导航空器降落耗时、引导航空器成功降落次数、复飞发生次数、飞机在空中等待下降的时长、航空器滑行过程发生的冲突次数、跑道头等待时长以及跑道占用冲突次数中的任意组合。
进一步地，将N个管制模拟训练结果划分为训练样本和测试样本后，首先对训练样本和测试样本包含的评估指标进行归一化后，再执行后续步骤。
进一步地，所述等级包括优秀、良好、一般、较差、差。
进一步地，步骤S1中所述的管制模拟训练结果对应的等级的获取方法为：
根据预设的评估指标，对管制模拟训练结果按百分制考核评分，然后根据评分结果对管制模拟训练结果的所属等级进行划分，其中，若评分结果不小于90，则管制模拟训练结果对应的等级为优秀；若评分结果小于90同时不小于80，则管制模拟训练结果对应的等级为良好；若评分结果小于80同时不小于70，则管制模拟训练结果对应的等级为一般；若评分结果小于70同时不小于60，则管制模拟训练结果对应的等级为较差；若评分结果小于60，则管制模拟训练结果对应的等级为差。
有益效果：
1、一种基于支持向量机的塔台管制模拟训练评估方法，利用支持向量机适于小样本建模和泛化能力强的优势，建立一个合理的、科学、高效的评估模型，改善了以往的人力评估方式带来的工作量大、主观性强、考核评估周期长的缺陷，通过构建基于支持向量机的等级分类模型，能够实现主动客观地评估每个塔台学员的训练考核结果；此外，由于数据匹配更加精确，能够使塔台学员的等级分类评估结果更加科学、公正、准确，对进一步分析和提高训练质量有着重要的意义。
2、一种基于支持向量机的塔台管制模拟训练评估方法，采用34个评估指标的任意组合去量化塔台学员的管制模拟训练结果，即将很多对塔台学员训练结果评估起指导作用的训练统计数据均纳入考核评估体系中，因此能够挖掘出很多有价值的信息，充分挖掘了各种训练评估指标的数据潜力，从而能够有效且较为全面地反映塔台学员的塔台管制技能，进而使所建立的评估指标的组合具有较好的完备性。
附图说明
图1为本发明提供的一种基于支持向量机的塔台管制模拟训练评估方法的流程图；
图2为本发明提供的支持向量机的训练与验证流程图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
参见图1，该图为本实施例提供的一种基于支持向量机的塔台管制模拟训练评估方法的流程图。一种基于支持向量机的塔台管制模拟训练评估方法，包括以下步骤：
S1：获取塔台学员的N个管制模拟训练结果以及各管制模拟训练结果对应的等级，其中，N至少为100。
需要说明的是，管制模拟训练结果为评估指标的组合，其中，所述评估指标的组合为指挥航空器总数、指挥航空器进场数、指挥航空器离场数、指挥航空器过往数、占用通话频道时长、通话次数、正点率、延误飞机架次、延误总时间、延误率、告警次数、告警持续时长、预警次数、非法干扰数、无线电故障数、紧急情况数、发生特情总数、特情正确处理次数、特情处理时长、飞机密集度、飞行冲突密集度、航向引导指令的数目、速度引导指令的数目、高度引导指令的数目、错误指令数、指挥后进入恶劣天气的次数、引导航空器降落耗时、引导航空器成功降落次数、复飞发生次数、飞机在空中等待下降的时长、航空器滑行过程发生的冲突次数、跑道头等待时长以及跑道占用冲突次数中的任意组合。以上评估指标能够有效地反映塔台学员的塔台管制技能，同时，塔台学员的管制模拟训练结果可以在历次模拟训练中统计出来并存储在系统数据库中。
可选的，所述等级包括优秀、良好、一般、较差、差；且管制模拟训练结果对应的等级的获取方法为：
根据预设的评估指标，对管制模拟训练结果按百分制考核评分，然后根据评分结果对管制模拟训练结果的所属等级进行划分，其中，若评分结果不小于90，则管制模拟训练结果对应的等级为优秀；若评分结果小于90同时不小于80，则管制模拟训练结果对应的等级为良好；若评分结果小于80同时不小于70，则管制模拟训练结果对应的等级为一般；若评分结果小于70同时不小于60，则管制模拟训练结果对应的等级为较差；若评分结果小于60，则管制模拟训练结果对应的等级为差。
例如，以N＝100为例，召集一批共10名专家对三个班共100名学员的100条塔台管制模拟训练结果数据逐项进行打分，按百分制考核评分，并将评分结果按照表1的等级评估标准分类。
表1等级评估标准
S2：按照预设比例，将N个管制模拟训练结果划分为训练样本和测试样本。
需要说明的是，由于管制模拟训练结果中评估指标的组合包含的评估指标不同，则评估指标的单位也不同，数据之间的数量级差别很大；因此，为了消除量纲的影响，对训练样本和测试样本包含的评估指标进行归一化后，再执行后续步骤。
例如，以N＝100，评估指标的组合包括全部34个评估指标为例，100个管制模拟训练结果对应的样本为Xn＝(xn1,xn2…,xn34)，其中xn1,xn2…,n34分别为第n条管制模拟训练结果中34个评估指标。对每项评估指标，按下式进行归一化：
式中，xni为归一化后的第i项评估指标数据，Cni为评估指标的原始值，max(Cni)为对应同一指标而言，100个管制模拟训练结果中出现的最大值，min(Cni)为对应同一指标而言，100个管制模拟训练结果中出现的最小值。
同时，可以按照1:4的比例，将80个管制模拟训练结果作为训练样本，20个管制模拟训练结果作为测试样本。则训练样本可以用来进行后续SVM评估模型的训练，通过学习训练获得SVM评估模型的决策支持向量及有关参数值，测试样本作为验证集用于验证SVM评估模型的等级分类效果，并根据验证结果对训练模型参数进行修正。
S3：采用训练样本以及各训练样本对应的等级对支持向量机进行训练，得到备选等级分类模型。
需要说明的是，支持向量机(Support Vector Machine，SVM)是近几年来发展起来的一种强大的分类工具，它根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷，以期获得最好的泛化能力。它在解决小样本、高维度及非线性情况，能够达到达很好的分类效果。对于样本较小的训练考核评估问题，利用SVM适于小样本建模和泛化能力强的优势，建立一个合理的、科学的评估模型，对塔台管制模拟训练的训练考核结果进行科学、公正、客观的评价，对提高训练质量有着重要的意义。
在对训练评估和SVM进行系统研究的过程中发现，RBF(Radial Basis Function)函数是最稳定的核函数，故本发明选择RBF作为塔台管制模拟训练评估模型的核函数，其中RBF核定义为：
在SVM算法中，支持向量机的性能受核函数σ和惩罚因子C选择的影响很大，一般根据经验以及实验对比来寻找最优参数。不同的惩罚因子C与不同的核函数σ组合往往对分类器的性能有重要的影响，对于参数C、σ要针对不同的样本集选取一定的经验值范围，然后采用穷举的方法寻找最优的C、σ参数组合。本发明中通过实验，选择惩罚因子C的搜索范围是100-103，对核函数σ的搜索范围为2-2-23。
S4：采用测试样本以及各测试样本对应的等级对所述备选等级评估模型的等级分类结果进行验证，然后根据验证结果对所述备选等级分类模型的核函数和惩罚因子进行调整，使得备选等级分类模型的验证结果的准确率满足设定阈值，得到最终的等级分类模型。
参见图2，该图为本实施例提供的支持向量机的训练与验证流程图。需要说明的是，经过多次验证和调整，本发明确定SVM的最优参数变量：C＝100，σ＝4，而最优参数时对应的SVM等级分类模型识别准确率最高。
S5：重新获取塔台学员的管制模拟训练结果，输入所述等级分类模型，得到塔台学员的管制模拟训练结果的所属等级，实现塔台管制模拟训练的评估。
当然，本发明还可有其他多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当然可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (5)
1.一种基于支持向量机的塔台管制模拟训练评估方法，其特征在于，包括以下步骤：
S1：获取塔台学员的N个管制模拟训练结果以及各管制模拟训练结果对应的等级，其中，N至少为100；
S2：按照预设比例，将N个管制模拟训练结果划分为训练样本和测试样本；
S3：采用训练样本以及各训练样本对应的等级对支持向量机进行训练，得到备选等级分类模型；
S4：采用测试样本以及各测试样本对应的等级对所述备选等级评估模型的等级分类结果进行验证，然后根据验证结果对所述备选等级分类模型的核函数和惩罚因子进行调整，使得备选等级分类模型的验证结果的准确率满足设定阈值，得到最终的等级分类模型；
S5：重新获取塔台学员的管制模拟训练结果，输入所述等级分类模型，得到塔台学员的管制模拟训练结果的所属等级，实现塔台管制模拟训练的评估。
2.如权利要求1所述的一种基于支持向量机的塔台管制模拟训练评估方法，其特征在于，所述管制模拟训练结果为评估指标的组合，其中，所述评估指标的组合为指挥航空器总数、指挥航空器进场数、指挥航空器离场数、指挥航空器过往数、占用通话频道时长、通话次数、正点率、延误飞机架次、延误总时间、延误率、告警次数、告警持续时长、预警次数、非法干扰数、无线电故障数、紧急情况数、发生特情总数、特情正确处理次数、特情处理时长、飞机密集度、飞行冲突密集度、航向引导指令的数目、速度引导指令的数目、高度引导指令的数目、错误指令数、指挥后进入恶劣天气的次数、引导航空器降落耗时、引导航空器成功降落次数、复飞发生次数、飞机在空中等待下降的时长、航空器滑行过程发生的冲突次数、跑道头等待时长以及跑道占用冲突次数中的任意组合。
3.如权利要求2所述的一种基于支持向量机的塔台管制模拟训练评估方法，其特征在于，将N个管制模拟训练结果划分为训练样本和测试样本后，首先对训练样本和测试样本包含的评估指标进行归一化后，再执行后续步骤。
4.如权利要求1所述的一种基于支持向量机的塔台管制模拟训练评估方法，其特征在于，所述等级包括优秀、良好、一般、较差、差。
5.如权利要求4所述的一种基于支持向量机的塔台管制模拟训练评估方法，其特征在于，步骤S1中所述的管制模拟训练结果对应的等级的获取方法为：
根据预设的评估指标，对管制模拟训练结果按百分制考核评分，然后根据评分结果对管制模拟训练结果的所属等级进行划分，其中，若评分结果不小于90，则管制模拟训练结果对应的等级为优秀；若评分结果小于90同时不小于80，则管制模拟训练结果对应的等级为良好；若评分结果小于80同时不小于70，则管制模拟训练结果对应的等级为一般；若评分结果小于70同时不小于60，则管制模拟训练结果对应的等级为较差；若评分结果小于60，则管制模拟训练结果对应的等级为差。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910304736.0A CN110210695A (zh) | 2019-04-16 | 2019-04-16 | 一种基于支持向量机的塔台管制模拟训练评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910304736.0A CN110210695A (zh) | 2019-04-16 | 2019-04-16 | 一种基于支持向量机的塔台管制模拟训练评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110210695A true CN110210695A (zh) | 2019-09-06 |
Family
ID=67786037
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910304736.0A Pending CN110210695A (zh) | 2019-04-16 | 2019-04-16 | 一种基于支持向量机的塔台管制模拟训练评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110210695A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111553580A (zh) * | 2020-04-22 | 2020-08-18 | 浙江农林大学 | 基于k均值和支持向量机的护林员巡护情况的综合分析方法 |
| CN111862685A (zh) * | 2020-06-18 | 2020-10-30 | 大蓝洞(南京)科技有限公司 | 一种基于多维指标的飞行冲突评测方法 |
| CN112785890A (zh) * | 2020-12-24 | 2021-05-11 | 中国人民解放军空军工程大学 | 一种塔台飞行指挥模拟训练管制员注意力评估系统及其方法 |
| CN113379207A (zh) * | 2021-05-28 | 2021-09-10 | 李洪涛 | 实训平台的控制方法、实训平台和可读存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102163380A (zh) * | 2011-03-17 | 2011-08-24 | 南京莱斯信息技术股份有限公司 | 基于嵌入式自动数据采集技术的训练评估方法 |
| US20130260357A1 (en) * | 2012-03-27 | 2013-10-03 | Lauren Reinerman-Jones | Skill Screening |
| CN106709642A (zh) * | 2016-12-20 | 2017-05-24 | 华北计算技术研究所（中国电子科技集团公司第十五研究所） | 一种空中交通管制模拟训练评估方法 |
| CN109064019A (zh) * | 2018-08-01 | 2018-12-21 | 中国民航大学 | 一种用于管制员模拟训练效果自动测评的系统及方法 |
-
2019
- 2019-04-16 CN CN201910304736.0A patent/CN110210695A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102163380A (zh) * | 2011-03-17 | 2011-08-24 | 南京莱斯信息技术股份有限公司 | 基于嵌入式自动数据采集技术的训练评估方法 |
| US20130260357A1 (en) * | 2012-03-27 | 2013-10-03 | Lauren Reinerman-Jones | Skill Screening |
| CN106709642A (zh) * | 2016-12-20 | 2017-05-24 | 华北计算技术研究所（中国电子科技集团公司第十五研究所） | 一种空中交通管制模拟训练评估方法 |
| CN109064019A (zh) * | 2018-08-01 | 2018-12-21 | 中国民航大学 | 一种用于管制员模拟训练效果自动测评的系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 朱芳等: "基于RBF核的SVM分类应用研究", 《唐山学院学报》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111553580A (zh) * | 2020-04-22 | 2020-08-18 | 浙江农林大学 | 基于k均值和支持向量机的护林员巡护情况的综合分析方法 |
| CN111862685A (zh) * | 2020-06-18 | 2020-10-30 | 大蓝洞(南京)科技有限公司 | 一种基于多维指标的飞行冲突评测方法 |
| CN111862685B (zh) * | 2020-06-18 | 2022-07-26 | 大蓝洞(南京)科技有限公司 | 一种基于多维指标的飞行冲突评测方法 |
| CN112785890A (zh) * | 2020-12-24 | 2021-05-11 | 中国人民解放军空军工程大学 | 一种塔台飞行指挥模拟训练管制员注意力评估系统及其方法 |
| CN113379207A (zh) * | 2021-05-28 | 2021-09-10 | 李洪涛 | 实训平台的控制方法、实训平台和可读存储介质 |
| CN113379207B (zh) * | 2021-05-28 | 2023-12-22 | 李洪涛 | 实训平台的控制方法、实训平台和可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110210695A (zh) | 一种基于支持向量机的塔台管制模拟训练评估方法 | |
| CN111160474A (zh) | 一种基于深度课程学习的图像识别方法 | |
| CN103456301B (zh) | 一种基于环境声音的场景识别方法及装置及移动终端 | |
| US10803762B2 (en) | Body-motion assessment device, dance assessment device, karaoke device, and game device | |
| CN110245709A (zh) | 基于深度学习和自注意力的3d点云数据语义分割方法 | |
| CN105931269A (zh) | 一种视频中的目标跟踪方法及装置 | |
| CN106022273A (zh) | 基于动态样本选择策略的bp神经网络手写体识别系统 | |
| CN107195299A (zh) | 训练神经网络声学模型的方法和装置及语音识别方法和装置 | |
| CN106127108A (zh) | 一种基于卷积神经网络的人手图像区域检测方法 | |
| CN105930319A (zh) | 建立获取题目知识点模型、获取题目知识点的方法和装置 | |
| WO2024051597A1 (zh) | 一种引体向上的规范计数方法、系统及其存储介质 | |
| CN109583594A (zh) | 深度学习训练方法、装置、设备及可读存储介质 | |
| CN106897384A (zh) | 一种要点题自动评价方法及装置 | |
| CN108874889A (zh) | 基于目标体图像的目标体检索方法、系统及装置 | |
| WO2023168812A1 (zh) | 一种搜索系统的优化方法、装置、存储介质及计算机设备 | |
| CN110135327A (zh) | 一种基于多区域特征学习模型的驾驶员行为识别方法 | |
| CN112329830B (zh) | 一种基于卷积神经网络和迁移学习的无源定位轨迹数据识别方法及系统 | |
| CN106934339A (zh) | 一种目标跟踪、跟踪目标识别特征的提取方法和装置 | |
| CN110443277A (zh) | 基于注意力模型的少量样本分类方法 | |
| CN115810163A (zh) | 一种基于ai课堂行为识别的教学评估方法和系统 | |
| Fedorova et al. | Mathematical Background of Students at the Present Stage of Society Development: Importance, Model, Quality | |
| CN105303898B (zh) | 一种基于主成分分析的空中交通管制模拟仿真异常检测方法和装置 | |
| Bursuc et al. | Separable convolutions and test-time augmentations for low-complexity and calibrated acoustic scene classification | |
| Juričić et al. | Project ATCOSIMA–Air traffic Control Simulations at the Faculty of Transport and Traffic Sciences | |
| CN110222166A (zh) | 问答服务提供方法、装置、设备、介质及沉浸式教练系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190906 |
|
| RJ01 | Rejection of invention patent application after publication |