基于天气指数的数据分析

随着空中交通量的不断增长,空中交通延误已经成为了一个非常重要的亟待解决的问题.由于天气原因造成的空中交通延误占到了总延误的一半以上,所以分析天气对于空中交通的影响的研究具有很重要的意义.引入了天气影响交通指数(WITI)作为天气对于空中交通影响强度的衡量依据,通过对于指定区域的交通量和天气权值的数据收集进行WITI的计算.应用浦东机场一星期的天气数据和延误情况确定了风和能见度对于交通权值的影响比例并选取全国11个飞行区的重要机场,根据机场的地理位置及交通密度,对天气的影响模式进行了因子分析和聚类分析.通过因子分析,得到了四个能够代表全国天气情况的主因子,在此基础上进行聚类分析并选取了六种较为典型的天气及地区类别,使得在后续的空中交通管理过程中能够根据当天出现的相应的天气模式找到预先设定的应急方案,对于保障危险天气影响下的空中交通的安全和效率都具有重要的意义.     

基于高效非支配排序的多目标人工蜂群算法

多目标优化问题广泛存在于科学与工程领域,为了提高求解效率,改进算法中的关键环节——非支配排序,提出了一种基于高效非支配排序的多目标人工蜂群算法。本文算法根据精英指导离散解生成策略进行局部搜索,运用高效非支配排序计算解的前沿面,最后根据前沿面排名和拥挤距离来挑选表现较好的解进行下一轮迭代。在基准函数上的实验验证了本文算法在保证求解性能的前提下,可以降低1/2的比较次数,运行效率提升近65%。     

基于稀疏模型和Gabor小波字典的跟踪算法

基于稀疏表示理论的目标跟踪方法可以通过激活少量神经元完成目标的动态跟踪,但是要求在当前图像背景中的遮挡或者目标物的姿态变化是可以进行稀疏表示的小面积范围.针对这一问题,基于Gabor函数和稀疏理论提出一种强鲁棒性的目标跟踪算法.该算法首先使用目标模板在初始帧中创建Gabor字典,其次使用该字典对候选目标完成稀疏表示,最后通过对Gabor字典的更新完成目标跟踪.实验结果表明了算法的有效性.     

复杂环境中一种基于深度学习的异常检测方法

为了解决复杂环境中异常检测的问题,提出一种基于深度学习的检测方法。首先,通过引入(you only look once,YOLO)检测,将卷积神经网络回归法提取的物体时空特征,输入到长短期记忆模型(LSTM),追踪复杂环境中个体的运动轨迹。然后,评估相邻个体间运动轨迹的依赖性。最后,采用编码-解码框架训练LSTM模型,预测物体未来的运动轨迹;根据物体未来运动轨迹的异常概率,最终完成异常检测。实验结果表明,解决了复杂环境中运动物体间的相互干扰问题;在时间和空间鲁棒性评估上,优于其他轨迹追踪的方法,从而证明了本方法的有效性和可行性。     

论柳永在词艺术形式上的贡献

本文主要从慢词创作的历史背景及其意义、慢词创作的主要方法、慢词的表现手法和语言形式等方面，论述柳永在词的艺术形式上的杰出贡献