面向虚拟现实时代的飞行员筛选：面向准确性和可解释性的机器学习模型算法
机器学习
2025-10-07 v1 人工智能
摘要
随着航空业的快速发展，需要大量飞行员。如何以成本效益的方式选择合适的飞行员已成为一个重要的研究问题。在本研究中，来自中国东方航空的 23 名飞行员被招募，23 名初学者来自清华大学社区。应用一种新颖的方法，将机器学习与虚拟现实技术相结合，用于区分这些在不同飞行技能水平下的参与者的特征。结果表明，SVM 配合 MIC 特征选择方法在所有指标上始终实现最高的预测性能，准确率为 0.93，AUC 为 0.96，F1 为 0.93，超过四种其他分类器算法和两种其他特征选择方法。就特征选择方法而言，MIC 方法能够选择与抽样标签之间非线性关系的特征，而不仅仅是过滤掉特征。我们的新实现的 SVM + MIC 算法超越了所有现有的飞行员筛选算法，或许首次基于眼动追踪和飞行动力学数据实现。本研究的 VR 仿真平台和算法可用于飞行员的筛选与培训。
引用
@article{arxiv.2510.03345,
title = {Pilot selection in the era of Virtual reality: algorithms for accurate and interpretable machine learning models},
author = {Luoma Ke and Guangpeng Zhang and Jibo He and Yajing Li and Yan Li and Xufeng Liu and Peng Fang},
journal= {arXiv preprint arXiv:2510.03345},
year = {2025}
}