“数据通信与计算机通信网”课程改革与实践

本文针对目前"数据通信与计算机通信网"课程教学内容与实际应用系统脱节,而无法适应民航行业对人才需求的现状,提出面向民航行业应用课程设计思路。具体思路是将课程关键知识点与民航实际系统所用技术相结合,并将科研成果引入教学,实现了教学内容的系统化、具体应用化和实践化并结合一个范例说明如何使教学内容更加贴近民航应用。     

特征结合和相关反馈技术在医学图像检索中的应用

本文在单一检索的基础上,对基于灰度直方图的颜色特征,基于小波变换的纹理特征和基于不变矩的形状特征进行融合.为了使用户能够参与检索过程,又引入了相关反馈机制,通过调整权值使得检索的结果最终满足用户的检索要求.最后分别给出基于单一特征,特征融合和相关反馈方法的查准率和查全率,并对试验结果进行分析.     

一种双向层间轮廓线线性插值方法

CT和MRI图像断层之间的距离通常大于断层内部间的像素的距离,为了实现断层图像层间的合理过度,需要对轮廓线进行线性插值.文中提出了一种双向的断层轮廓线线性插值方法.该方法首先对轮廓多边形进行逼近,然后从两个方向寻找最佳匹配点对,最后进行线性插值.该方法易于实现,执行速度快.实验结果表明这种方法不仅对形状相似的轮廓线插值效果好,对形状差异大的轮廓线也能得到令人满意的结果.     

基于CBAM-CondenseNet的航班延误波及预测模型

针对航班延误衍生的航班延误波及问题,该文提出一种基于CBAM-CondenseNet的航班延误波及预测模型。首先,通过分析航班延误在航空网络内产生的延误波及现象,确定会受前序延误航班影响的航班链;其次,对选定的航班链数据进行清洗,将航班信息与机场信息进行数据融合;最后,提出改进的CBAM-CondenseNet算法对融合后的数据进行特征提取,构建Softmax分类器对首班离港航班延误波及的后续离港航班延误等级进行预测。该文提出的CBAM-CondenseNet算法融合了CondenseNet和CBAM的优势,采用通道和空间注意力机制来加强网络结构深层信息的传递。实验结果表明,算法改进后有效提升网络性能,预测准确率可达97.55%。     

基于双通道卷积神经网络的航班延误预测模型

针对航班延误预测数据量大、特征提取困难而传统算法处理能力有限的问题,提出一种基于双通道卷积神经网络（DCNN）的航班延误预测模型。首先,该模型将航班数据和气象数据进行融合,应用DCNN进行自动特征提取,采用批归一化（BN）和Padding策略优化,提升到港延误等级的分类预测性能;然后,在卷积神经网络（CNN）基础上加入直通通道,以保证特征矩阵的无损传输,增强深度网络的畅通性;同时引入卷积衰减因子对卷积通道的特征矩阵进行稀疏性限制,控制不同网络深度的特征叠加比例,维持模型的稳定性。实验结果表明,所提模型与传统模型相比,具有更强的数据处理能力。通过数据融合,航班延误预测准确率可提高1个百分点;加深网络深度后,该模型能保证梯度的稳定,从而训练更深的网络,使准确率提升至92.1%。该基于DCNN算法的模型特征提取充分,预测性能优于对比模型,可更好地服务于民航决策。     

一种嵌入式电子邮件系统的设计与实现

电子邮件是Internel上最早出现的服务之一，随着嵌入式产品成为Internel主要的信息终端之一，嵌入式电子邮件系统的开发也就势在必行。详细介绍了一种在网络电视上使用的嵌入式电子邮件系统的设计方案和实现方法。     

全球航班跟踪系统关键技术研究与实现

2014年马航MH370失联事件发生以来,国际民航组织(ICAO)及中国民航局(CAAC)均开始着力于推进全球航班跟踪能力建设.设计一个全球航班跟踪系统,系统由前端数据处理子系统及综合显示子系统组成,针对系统面临的航班数量多、航班数据体量大、高并发等挑战,设计一种可拓展的硬件处理架构,同时结合多线程软件处理架构设计及优化,保证系统流畅稳定运行.实际运行结果表明,该系统设计方案可行,实现了对我国境内飞行的所有航班及境外飞行的我国航班的跟踪监视.     

“飞机通信系统”三维动画制作

"飞机通信系统"是我校电子信息工程专业一门重要的专业课程。在民用航空飞机飞行过程中,利用无线电进行的地空通信是一个比较抽象、复杂的过程,所以迫切需要利用计算机制作三维动画来模拟整个通信系统的工作过程,作为录制微视频的基本素材。本文采用STK可视化工具进行动画开发。实践表明,动画演示效果良好。     

融合气象数据的并行化航班延误预测模型

针对航空数据呈现高维化、海量化趋势但传统模型处理大数据时单机计算资源不足的问题,本文提出一种基于Spark并融合气象数据的并行化航班延误预测模型。该模型利用数据框完成航班数据和气象数据的融合,从而在单个航班数据后加入不同小时的气象数据。然后,采用并行化方式进行随机森林的特征划分和树的生成,可快速进行航班延误预测。实验结果表明融入气象数据后查全率和正确率均有提高,针对不同阈值的延误时间进行预测时,大阈值的预测准确率更高。同时,并行化模型较单机模型更快收敛,具有较强的加速比。