CN102968500B - 一种基于分层检索的飞行特情处置快速检索方法 - Google Patents
一种基于分层检索的飞行特情处置快速检索方法 Download PDFInfo
- Publication number
- CN102968500B CN102968500B CN201210521111.8A CN201210521111A CN102968500B CN 102968500 B CN102968500 B CN 102968500B CN 201210521111 A CN201210521111 A CN 201210521111A CN 102968500 B CN102968500 B CN 102968500B
- Authority
- CN
- China
- Prior art keywords
- similarity
- elements
- retrieval
- english word
- oncews
- 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.)
- Expired - Fee Related
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提出了一种基于分层检索的飞行特情处置快速检索方法，将检索内容进行中英文分层，第一层为中文，使用中文直接对目标数据库对象进行优先过滤，以缩小检索范围；第二层为除中文以外的其他字符，使用中文拼音首字母将输入文本信息中的中文字符进行替换，并在第一层的检索结果中进行相似度分析比对，二次分析比对采用计算相似度的方式进行，相似度包括词形相似度和词序相似度两部分，以词形相似度起主要作用，词序相似度起次要作用，对于第二次分析后的检索结果进行按照相似度进行排序。相似度方法实现简单，有利于实现快速检索。
Description
技术领域
本发明涉及数据检索技术领域，具体为一种基于分层检索的飞行特情处置快速检索方法。
背景技术
飞行试验是一项极具风险和挑战的事业，在科研试飞过程中飞行员经常遇到的起落架不能正常收放、发动机空中停车、发动机空中起火、方向舵飞掉等意外重大紧急险情，这些特性严重威胁飞行员和飞机的安全。在空中特情发生时，地面指挥人员如何在短时间内为飞行员提供快速、准确、完整的特情处置策略，对飞行员的生命和飞机的安全起到决定性的作用。
目前特情应急处置的方法，主要是依靠飞行员和塔台指挥员的记忆或飞行手册中关于飞行特情的相关内容，而无任何特情处置方法数据库，更无对应于飞行特情背景下的特情处置信息检索方法。这些特情处置方法数据库建设不成体系，特情处置信息数据不完善，数据更新维护不到位，缺乏相应的数据检索方法等问题，严重影响了特情处置的准确性和高效性。
发明内容
要解决的技术问题
为解决现有技术存在的问题，本发明提出了一种基于分层检索的飞行特情处置快速检索方法，当特情发生时，地面指挥人员或***操作员采用该方法查询特情处置方法数据库，快速定位相应的特情处置程序和步骤，准确快速果断地指导目标飞行员采取应急措施，进而减少决策时间提高特情处置的效率和准确性。
技术方案
本发明中分层检索方法的原理为：将检索内容进行中英文分层，即对输入的文本信息，按照中英文进行拆分；第一层为中文，使用中文直接对目标数据库对象进行优先过滤，以缩小检索范围；第二层为除中文以外的其他字符，使用中文拼音首字母将输入文本信息中的中文字符进行替换，并在第一层的检索结果中进行二次分析比对；对于第二次分析后的检索结果进行按照相似度进行排序。
本发明的技术方案为：
所述一种基于分层检索的飞行特情处置快速检索方法，其特征在于：包括以下步骤：
步骤1：提取出输入的查询文本A中的中文字符串和英文字符串，提取出的中文字符串组成中文字词集合A1，提取出的英文字符串组成英文字词集合A2；
步骤2：使用中文字词集合A1中的元素对特情处置方法数据库进行检索，得到检索结果集合B=(B1，B2，...，Bn)，其中B的每个元素中都出现中文字词集合A1的至少一个元素；
步骤3：将步骤2中检索结果集合B中的每个元素中的中文字符替换成中文字符对应的拼音首字母，得到新的检索结果集合C；
步骤4：计算步骤3中新的检索结果集合C的每个元素与步骤1中的英文字词集合A2的相似度，其中新的检索结果集合C中的元素C1与英文字词集合A2的相似度的方法包括以下步骤：
步骤4.1：分别计算元素C1与英文字词集合A2中每个元素的词形相似度，然后求和得到元素C1与英文字词集合A2的词形相似度，其中元素C1与英文字词集合A2中元素a2的词形相似度WordSim(C1，a2)为：
其中，len(C1)和len(a2)表示元素C1和元素a2中字母的个数，SameWC(C1，a2)表示元素a2在元素C1中出现的个数；
步骤4.2：分别计算元素C1与英文字词集合A2中每个元素的词序相似度，然后求和得到元素C1与英文字词集合A2的词序相似度，其中元素C1与英文字词集合A2中元素a2的词序相似度OrdSim(C1，a2)为：
若|OnceWS(C1，a2)|＞1，则
若|OnceWS(C1，a2)|＝1，则OrdSim(C1，a2)＝1；
若|OnceWS(C1，a2)|＝0，则OrdSim(C1，a2)＝0；
其中，OnceWS(C1，a2)表示在元素C1和元素a2中都分别出现且都分别都只出现一次的英文字符串集合，|OnceWS(C1，a2)|表示集合OnceWS(C1，a2)的模；Pfirst(C1，a2)表示OnceWS(C1，a2)中的各个元素在元素C1中的位置序号构成的向量，Psecond(C1，a2)表示Pfirst(C1，a2)的分量按对应OnceWS(C1，a2)中各个元素在元素a2中的位置重新排列后得到的向量，RevOrd(C1，a2)表示Psecond(C1，a2)各相邻分量的逆序数；
步骤4.3：取步骤4.1得到的元素C1与英文字词集合A2的词形相似度的λ1倍，再与步骤4.2得到的元素C1与英文字词集合A2的词序相似度的λ2倍求和，得到元素C1与英文字词集合A2的相似度；其中λ1+λ2＝1，且λ1＞λ2；
步骤5：新的检索结果集合C中与英文字词集合A2的相似度最大的元素作为最终检索结果。
所述一种基于分层检索的飞行特情处置快速检索方法，其特征在于：将步骤4改为：
步骤4：计算步骤3中新的检索结果集合C的每个元素与步骤1中的英文字词集合A2的相似度，其中新的检索结果集合C中的元素C1与英文字词集合A2的相似度的方法包括以下步骤：
步骤4.1：分别计算元素C1与英文字词集合A2中每个元素的词序相似度，然后求和得到元素C1与英文字词集合A2的词序相似度，其中元素C1与英文字词集合A2中元素a2的词序相似度OrdSim(C1，a2)为：
若|OnceWS(C1，a2)|＞1，则
若|OnceWS(C1，a2)|＝1，则OrdSim(C1，a2)＝1；
若|OnceWS(C1，a2)|＝0，则OrdSim(C1，a2)＝0；
其中，OnceWS(C1，a2)表示在元素C1和元素a2中都分别出现且都分别都只出现一次的英文字符串集合，|OnceWS(C1，a2)|表示集合OnceWS(C1，a2)的模；Pfirst(C1，a2)表示OnceWS(C1，a2)中的各个元素在元素C1中的位置序号构成的向量，Psecond(C1，a2)表示Pfirst(C1，a2)的分量按对应OnceWS(C1，a2)中各个元素在元素a2中的位置重新排列后得到的向量，RevOrd(C1，a2)表示Psecond(C1，a2)各相邻分量的逆序数；
步骤4.2：分别计算元素C1与英文字词集合A2中每个元素的词形相似度，然后求和得到元素C1与英文字词集合A2的词形相似度，其中元素C1与英文字词集合A2中元素a2的词形相似度WordSim(C1，a2)为：
其中，len(C1)和len(a2)表示元素C1和元素a2中字母的个数，SameWC(C1，a2)表示元素a2在元素C1中出现的个数；
步骤4.3：取步骤4.2得到的元素C1与英文字词集合A2的词形相似度的λ1倍，再与步骤4.1得到的元素C1与英文字词集合A2的词序相似度的λ2倍求和，得到元素C1与英文字词集合A2的相似度；其中λ1+λ2＝1，且λ1＞λ2；
所述一种基于分层检索的飞行特情处置快速检索方法，其特征在于：λ1＝0.7，λ2＝0.3。
有益效果
本发明将检索内容进行中英文分层，第一层为中文，使用中文直接对目标数据库对象进行优先过滤，缩小了检索范围，第二层为除中文以外的其他字符，使用中文拼音首字母将输入文本信息中的中文字符进行替换，并在第一层的检索结果中进行二次分析比对，二次分析比对采用计算相似度的方式进行，相似度包括词形相似度和词序相似度两部分，以词形相似度起主要作用，词序相似度起次要作用，相似度方法实现简单，有利于实现快速检索。
附图说明
图1：本发明的方法流程图。
具体实施方式
下面结合具体实施例描述本发明：
本发明可应用于任何技术性强、高风险、周期长、投资大的综合性***工程中，并在科研试飞领域中，进行了试用。下面使用急盘旋下降的例子对本发明的实施进一步说明：
急盘旋下降是指飞机沿着陡峭的螺旋线轨迹作加速旋转下降的运动，其动态和轨迹与盘旋下降和螺旋都很接近，飞行员很难在短时间内辨别清楚，一旦形成急盘旋下降，往往造成极其严重的后果。因此，急盘旋下降是一个不容忽视的特情，是飞行安全的潜在威胁。
使用基于分层检索的飞行特情处置快速检索方法具体步骤如下：
步骤1：地面操作人员在特情处置***中输入的查询文本A为“j盘旋xj”，提取出输入的查询文本A中的中文字符串“盘旋”和英文字符串“j”、“xj”，提取出的中文字符串组成中文字词集合A1，提取出的英文字符串组成英文字词集合A2。
步骤2：使用中文字词集合A1中的元素对特情处置方法数据库进行检索，得到检索结果集合B=(B1，B2，...，Bn)，其中B的每个元素中都出现中文字词集合A1的至少一个元素；
本实施例中，中文字词集合A1中只有一个元素“盘旋”，通过检索特情处置方法数据库，得到检索结果集合B，B中包括两个元素“盘旋上升”和“急盘旋下降”。
步骤3：将步骤2中检索结果集合B中的每个元素中的中文字符替换成中文字符对应的拼音首字母，得到新的检索结果集合C；
本实施例中，集合C包括两个元素“pxss”和“jpxxj”。
步骤4：计算步骤3中新的检索结果集合C的每个元素与步骤1中的英文字词集合A2的相似度，其中新的检索结果集合C中的元素C1与英文字词集合A2的相似度的方法包括以下步骤：
步骤4.1：分别计算元素C1与英文字词集合A2中每个元素的词形相似度，然后求和得到元素C1与英文字词集合A2的词形相似度，其中元素C1与英文字词集合A2中元素a2的词形相似度WordSim(C1，a2)为：
其中，len(C1)和len(a2)表示元素C1和元素a2中字母的个数，SameWC(C1，a2)表示元素a2在元素C1中出现的个数；
本实施例中，英文字词集合A2包括两个元素“j”和“xj”，集合C包括两个元素“pxss”和“jpxxj”，所以分别计算“pxss”与“j”和“xj”的词形相似度，然后求和，得到“pxss”与英文字词集合A2的词形相似度，分别计算“jpxxj”与“j”和“xj”的词形相似度，然后求和，得到“jpxxj”与英文字词集合A2的词形相似度：
“pxss”与“j”的词形相似度为2×(0/(4+1))＝0；
“pxss”与“xj”的词形相似度为2×(0/(4+2))＝0；
“jpxxj”与“j”的词形相似度为2×(2/(5+1))＝2/3；
“jpxxj”与“xj”的词形相似度为2×(1/(5+2))＝2/7；
所以“pxss”与英文字词集合A2的词形相似度为0，“jpxxj”与英文字词集合A2的词形相似度为2/3+2/7＝0.95；
步骤4.2：分别计算元素C1与英文字词集合A2中每个元素的词序相似度，然后求和得到元素C1与英文字词集合A2的词序相似度，其中元素C1与英文字词集合A2中元素a2的词序相似度OrdSim(C1，a2)为：
若|OnceWS(C1，a2)|＞1，则
若|OnceWS(C1，a2)|＝1，则OrdSim(C1，a2)＝1；
若|OnceWS(C1，a2)|＝0，则OrdSim(C1，a2)＝0；
其中，OnceWS(C1，a2)表示在元素C1和元素a2中都分别出现且都分别都只出现一次的英文字符串集合，|OnceWS(C1，a2)|表示集合OnceWS(C1，a2)的模；Pfirst(C1，a2)表示OnceWS(C1，a2)中的各个元素在元素C1中的位置序号构成的向量，Psecond(C1，a2)表示Pfirst(C1，a2)的分量按对应OnceWS(C1，a2)中各个元素在元素a2中的位置重新排列后得到的向量，RevOrd(C1，a2)表示Psecond(C1，a2)各相邻分量的逆序数；
本实施例中，英文字词集合A2包括两个元素“j”和“xj”，集合C包括两个元素“pxss”和“jpxxj”，所以分别计算“pxss”与“j”和“xj”的词序相似度，然后求和，得到“pxss”与英文字词集合A2的词序相似度，分别计算“jpxxj”与“j”和“xj”的词序相似度，然后求和，得到“jpxxj”与英文字词集合A2的词序相似度：
“pxss”与“j”中没有都分别出现且都分别都只出现一次的英文字符串，所以OnceWS(pxss，j)为空集，所以|OnceWS(pxss，j)|＝0，“pxss”与“j”的词序相似度为0；
“pxss”与“xj”中没有都分别出现且都分别都只出现一次的英文字符串，所以OnceWS(pxss，xj)为空集，所以|OnceWS(pxss，xj)|＝0，“pxss”与“xj”的词序相似度为0；
“jpxxj”与“j”中没有都分别出现且都分别都只出现一次的英文字符串，所以OnceWS(jpxxj，j)为空集，所以|OnceWS(jpxxj，j)|＝0，“jpxxj”与“j”的词序相似度为0；
“jpxxj”与“xj”中有都分别出现且都分别都只出现一次的英文字符串“xj”，|OnceWS(jpxxj，xj)|＝1，“jpxxj”与“xj”的词序相似度为1；
所以“pxss”与英文字词集合A2的词序相似度为0，“jpxxj”与英文字词集合A2的词序相似度为0+1＝1。
步骤4.3：取步骤4.1得到的元素C1与英文字词集合A2的词形相似度的λ1倍，再与步骤4.2得到的元素C1与英文字词集合A2的词序相似度的λ2倍求和，得到元素C1与英文字词集合A2的相似度；其中λ1+λ2＝1，由于词形相似度起主要作用，词序相似度起次要作用，所以λ1＞λ2；
本实施例中，λ1＝0.7，λ2＝0.3，所以“pxss”与英文字词集合A2的相似度为0×0.7+0×0.3＝0，“jpxxj”与英文字词集合A2的相似度为0.95×0.7+1×0.3＝0.965。
步骤5：新的检索结果集合C中与英文字词集合A2的相似度最大的元素作为最终检索结果。
本实施例中，显然“jpxxj”与英文字词集合A2的相似度大于“pxss”与英文字词集合A2的相似度，所以取“jpxxj”作为最终检索结果，输出“jpxxj”对应的检索结果集合B中的中文元素“急盘旋下降”。
而后地面操作人员定位到“急盘旋下降”的处置方法，并立即做出处置方案减少决策时间。急盘旋下降的处置方法如下：一看速度表，发现速度急增时，迅速收光油门，立即停止拉杆；二看地平仪，手脚协调有力地向旋转的反方向压杆蹬舵，制止旋转，改平坡度，再向正后方柔和有力地拉杆退出俯冲；需要注意的是，必须在改平坡度后再向后拉杆，否则，拉杆会使向心力增大，加快旋转，给改出造成困难。
Claims (3)
1.一种基于分层检索的飞行特情处置快速检索方法，其特征在于：包括以下步骤：
步骤1：提取出输入的查询文本A中的中文字符串和英文字符串，提取出的中文字符串组成中文字词集合A1，提取出的英文字符串组成英文字词集合A2；
步骤2：使用中文字词集合A1中的元素对特情处置方法数据库进行检索，得到检索结果集合B=(B1，B2，...，Bn)，其中B的每个元素中都出现中文字词集合A1的至少一个元素；
步骤3：将步骤2中检索结果集合B中的每个元素中的中文字符替换成中文字符对应的拼音首字母，得到新的检索结果集合C；
步骤4：计算步骤3中新的检索结果集合C的每个元素与步骤1中的英文字词集合A2的相似度，其中新的检索结果集合C中的元素C1与英文字词集合A2的相似度的方法包括以下步骤：
步骤4.1：分别计算元素C1与英文字词集合A2中每个元素的词形相似度，然后求和得到元素C1与英文字词集合A2的词形相似度，其中元素C1与英文字词集合A2中元素a2的词形相似度WordSim(C1，a2)为：
其中，len(C1)和len(a2)表示元素C1和元素a2中字母的个数，SameWC(C1，a2)表示元素a2在元素C1中出现的个数；
步骤4.2：分别计算元素C1与英文字词集合A2中每个元素的词序相似度，然后求和得到元素C1与英文字词集合A2的词序相似度，其中元素C1与英文字词集合A2中元素a2的词序相似度OrdSim(C1，a2)为：
若|OnceWS(C1，a2)|＞1，则
若|OnceWS(C1，a2)|＝1，则OrdSim(C1，a2)＝1；
若|OnceWS(C1，a2)|＝0，则OrdSim(C1，a2)＝0；
其中，OnceWS(C1，a2)表示在元素C1和元素a2中都分别出现且都分别都只出现一次的英文字符串集合，|OnceWS(C1，a2)|表示集合OnceWS(C1，a2)的模；Pfirst(C1，a2)表 示OnceWS(C1，a2)中的各个元素在元素C1中的位置序号构成的向量，
Psecond(C1，a2)表示Pfirst(C1，a2)的分量按对应OnceWS(C1，a2)中各个元素在元素a2中的位置重新排列后得到的向量，RevOrd(C1，a2)表示Psecond(C1，a2)各相邻分量的逆序数；
步骤4.3：取步骤4.1得到的元素C1与英文字词集合A2的词形相似度的λ1倍，再与步骤4.2得到的元素C1与英文字词集合A2的词序相似度的λ2倍求和，得到元素C1与英文字词集合A2的相似度；其中λ1+λ2＝1，且λ1＞λ2；
步骤5：新的检索结果集合C中与英文字词集合A2的相似度最大的元素作为最终检索结果。
2.根据权利要求1所述一种基于分层检索的飞行特情处置快速检索方法，其特征在于：将步骤4改为：
步骤4：计算步骤3中新的检索结果集合C的每个元素与步骤1中的英文字词集合A2的相似度，其中新的检索结果集合C中的元素C1与英文字词集合A2的相似度的方法包括以下步骤：
步骤4.1：分别计算元素C1与英文字词集合A2中每个元素的词序相似度，然后求和得到元素C1与英文字词集合A2的词序相似度，其中元素C1与英文字词集合A2中元素a2的词序相似度OrdSim(C1，a2)为：
若|OnceWS(C1，a2)|＞1，则
若|OnceWS(C1，a2)|＝1，则OrdSim(C1，a2)＝1；
若|OnceWS(C1，a2)|＝0，则OrdSim(C1，a2)＝0；
其中，OnceWS(C1，a2)表示在元素C1和元素a2中都分别出现且都分别都只出现一次的英文字符串集合，|OnceWS(C1，a2)|表示集合OnceWS(C1，a2)的模；Pfirst(C1，a2)表示OnceWS(C1，a2)中的各个元素在元素C1中的位置序号构成的向量，Psecond(C1，a2)表示Pfirst(C1，a2)的分量按对应OnceWS(C1，a2)中各个元素在元素a2中的位置重新排列后得到的向量，RevOrd(C1，a2)表示Psecond(C1，a2)各相邻分量的逆序数；
步骤4.2：分别计算元素C1与英文字词集合A2中每个元素的词形相似度，然后求和得到元素C1与英文字词集合A2的词形相似度，其中元素C1与英文字词集合A2中元素a2的词形相似度WordSim(C1，a2)为：
其中，len(C1)和len(a2)表示元素C1和元素a2中字母的个数，SameWC(C1，a2)表示元素a2在元素C1中出现的个数；
步骤4.3：取步骤4.2得到的元素C1与英文字词集合A2的词形相似度的λ1倍，再与步骤4.1得到的元素C1与英文字词集合A2的词序相似度的λ2倍求和，得到元素C1与英文字词集合A2的相似度；其中λ1+λ2＝1，且λ1＞λ2。
3.根据权利要求1或2所述一种基于分层检索的飞行特情处置快速检索方法，其特征在于：λ1＝0.7，λ2＝0.3。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210521111.8A CN102968500B (zh) | 2012-12-04 | 2012-12-04 | 一种基于分层检索的飞行特情处置快速检索方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210521111.8A CN102968500B (zh) | 2012-12-04 | 2012-12-04 | 一种基于分层检索的飞行特情处置快速检索方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102968500A CN102968500A (zh) | 2013-03-13 |
| CN102968500B true CN102968500B (zh) | 2015-04-15 |
Family
ID=47798638
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210521111.8A Expired - Fee Related CN102968500B (zh) | 2012-12-04 | 2012-12-04 | 一种基于分层检索的飞行特情处置快速检索方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102968500B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104216968A (zh) * | 2014-08-25 | 2014-12-17 | 华中科技大学 | 一种基于文件相似度的排重方法及*** |
| CN107491425A (zh) * | 2017-07-26 | 2017-12-19 | 合肥美的智能科技有限公司 | 确定方法、确定装置、计算机装置和计算机可读存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001134605A (ja) * | 1999-11-08 | 2001-05-18 | Nippon Telegr & Teleph Corp <Ntt> | 類似文検索方法および装置と類似文検索プログラムを記録した記録媒体 |
| CN101901249A (zh) * | 2009-05-26 | 2010-12-01 | 复旦大学 | 一种图像检索中基于文本的查询扩展与排序方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8209338B2 (en) * | 2009-01-08 | 2012-06-26 | David Robert Wallace | Interest-group discovery system |
-
2012
- 2012-12-04 CN CN201210521111.8A patent/CN102968500B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001134605A (ja) * | 1999-11-08 | 2001-05-18 | Nippon Telegr & Teleph Corp <Ntt> | 類似文検索方法および装置と類似文検索プログラムを記録した記録媒体 |
| CN101901249A (zh) * | 2009-05-26 | 2010-12-01 | 复旦大学 | 一种图像检索中基于文本的查询扩展与排序方法 |
Non-Patent Citations (1)
| Title |
|---|
| Hierarchical stochastic fast search motion estimation algorithm;S.Tedmori等;<IET Computer Vision>;20120119;第6卷(第1期);21-28 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102968500A (zh) | 2013-03-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112100865B (zh) | 基于并行cnn模型的航空发动机剩余寿命预测方法 | |
| Das et al. | Multiple kernel learning for heterogeneous anomaly detection: algorithm and aviation safety case study | |
| Matthews et al. | Discovering anomalous aviation safety events using scalable data mining algorithms | |
| CN107045638A (zh) | 一种基于情景意识模型的飞行安全事件分析方法 | |
| El Ghaoui et al. | Sparse machine learning methods for understanding large text corpora. | |
| CN102968500B (zh) | 一种基于分层检索的飞行特情处置快速检索方法 | |
| Luo et al. | Using lda2vec topic modeling to identify latent topics in aviation safety reports | |
| CN103149929B (zh) | 飞行器纵向运动故障诊断和容错控制方法 | |
| Kostoff et al. | Database tomography applied to an aircraft science and technology investment strategy | |
| CN102968553A (zh) | 一种飞行器着陆风险评测方法 | |
| Baugh | Predicting general aviation accidents using machine learning algorithms | |
| Sumari et al. | A Novel Approach for Recognition and Identification of Low-Level Flight Military Aircraft using Naive Bayes Classifier and Information Fusion | |
| CN107220761A (zh) | 一种教练机训练效能评估计算方法 | |
| Westmoreland et al. | Modeling propeller flow-fields using CFD | |
| Cao et al. | Airflow hazard prediction for helicopter flight in icing condition | |
| Gao et al. | The Aeroplane and Undercarriage Detection Based on Attention Mechanism and Multi‐Scale Features Processing | |
| Braza et al. | Smart Morphing and Sensing for Aeronautical Configurations: Prototypes, Experimental and Numerical Findings from the H2020 N° 723402 SMS EU Project | |
| Chunmei et al. | Recognition of flight operation action based on expert system inference engine | |
| Bernard et al. | Autonomous stall recovery dynamics as a prevention tool for general aviation loss of control | |
| Jack et al. | Evaluation of the trade space between UAS maneuver performance and SAA system performance requirements | |
| Jianhui et al. | Feature Extraction and Identification of Military Aircraft Based on Remote Sensing Image | |
| Tong et al. | Application of Situation Awareness and Bow-tie Method in Flight Safety Event Reasoning | |
| Nathan | Application of Machine Learning to Automate Flow Separation Identification in Computed Solutions | |
| Yoon et al. | Experimental study for the safety analysis of an external store separation from fighter aircraft | |
| Luo et al. | Hypersonic vehicle trajectory prediction based on temporal convolutional network |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150415 Termination date: 20151204 |
|
| EXPY | Termination of patent right or utility model |