排序方式: 共有1条查询结果,搜索用时 0 毫秒
1
1.
扇区复杂度作为管制员工作负荷和动态空域配置的重要参考依据,需要事先准确地对其
进行评估。本文针对有监督复杂度数据集存在的小样本问题,提出基于条件生成对抗网络的扇
区复杂度评估框架。首先,构建交通流量、航空器性能和潜在冲突这3类复杂度指标,并结合主观
复杂度等级得到标定样本;其次,利用条件生成对抗网络设计有标记样本生成算法,获得增广数
据集;最后,分别采用逻辑回归、支持向量机和随机森林算法建立复杂度评估模型。以中南区域
扇区为例,从定性和定量的视角验证生成样本的有效性,并在多种训练集配置下对比各模型评估
结果。研究结果表明:条件生成对抗网络在200次迭代后逐步收敛至稳定;生成样本与真实样本
的绝大多数指标在均值上的相对误差小于5%,在标准差上的相对误差大于5%;在多分类评价指
标下,增广数据集对3种模型整体评估精度分别提升11.77%、11.04%和8.34%。本文提出的评估
框架可以在有限数据条件下提高样本多样性,是解决扇区复杂度评估问题的一种有效方法。 相似文献
1