简介:为科学预测空域扇区空中交通管制员工作负荷,准确把握管制员行为特征,研究了空中交通管制员工作负荷分布规律以及工作负荷与管制复杂度间关联性。在对管制员工作负荷进行分类计算基础上,分析了单架航空器管制员工作负荷的概率分布情况;从空域复杂度和交通流复杂度2个层面构建了航路扇区管制复杂性评价指标体系,借助熵权法和灰色关联度分析法计算管制复杂性系数,进而分析了管制员工作负荷与管制复杂性间关联性。实例分析表明,管制员工作负荷分布具有较强规律性,即单架航空器管制员工作负荷服从对数正态分布,且管制员工作负荷与扇区管制复杂性间具有较强关联性,管制复杂性系数超过0.84时工作负荷将急剧上升。
简介:以某地市电信企业的客户为目标用户群,结合电信行业的业务规则,利用SPSS公司的数据挖掘工具Clementine,运用数据挖掘中的CRISP—DM模型方法建立了客户流失预测模型,为电信企业对流失客户采取更有效的营销策略提供一些建议。
简介:新一代视频编码标准HEVC(HighEfficiencyVideoCoding)以更多尺寸的PU(PredictionUnit)以及更多的预测模式,对帧内预测的硬件设计提出了挑战。本文针对HEVC帧内预测模式选择提出了一种新的硬件结构,即采用16×16像素大小为基本处理块,且按行预测,不仅可以向下实现8×8与4×4的复用,还可以向上实现32×32的复用。针对预测过程中较复杂的参考像素选择电路,本文利用相同模式下不同PU大小的参考像素规律的一致性,将上下行之间的第一个参考像素位置索引偏移值存入ROM中,减少了选择过程中的计算量,简化了按行预测参考像素选择电路结构,方便了各种PU的复用。经验证,本文提出的方法可以在较小面积下实现全模式以及所有大小PU的预测。
简介:古人云“以史为鉴”,说的是吸取历史的经验教训,对未来的情况做出预判或者改变。生活中,亦是存在相似的利用历史数据对未来变化趋势进行预测分析的时间序列问题。本文就时间序列一类的问题进行研究,探讨如何更好地根据历史统计数据,对未来的变化趋势进行预测分析。本文基于神经网络,以气象观测历史数据作为研究的对象,建立了气温变化时序预测模型。本模型利用大数据相关技术对数据进行特征处理,通过深度神经网络,学习特征数据和标签数据之间复杂的非线性关系,从而实现对气温变化的趋势预测。实验结果表明,相较其他模型,本文的模型能够更好地进行时序预测,同时也证明了神经网络用于气象预测的可行性。