基于关联规则的作战数据挖掘

利用关联规则中的Apriori算法,通过设置最小支持度和最小置信度对大量数据进行挖掘,从而发现作战数据中各种因素间潜在的有价值的关系,最后对产生规则进行了验证和分析.结果表明该方法可行,对指导部队各项工作有一定的重要意义.     

餐饮营业数据库中关联模式的卡方分析

系统分析了餐饮企业数据的特点,基于关联规则和卡方分析理论,建立了餐饮营业数据库中关联模式的卡方分析模型.以某餐饮企业70万条原始数据为例,利用数据挖掘技术生成关联规则,将统计学中的列联表卡方分析引入到关联模式的相关性度量,通过卡方分析方法检验Apriori算法生成的规则,对规则前件与后件之间的相关性进行度量,开展对关联模式卡方检验的实证分析,从统计意义上分析规则是否关联及有效,剔除无用规则或误导规则.结果表明:列联表卡方分析适用于具有分类特征的样本间差异性的检验,在支持度度量的基础上引入卡方检验能有效地对非相关模式进行删减,减小频繁项集和关联规则的规模.     

面向动力监测数据挖掘的关联规则算法改进研究

动力监测采集的数据量巨大,蕴藏信息丰富;仅用于越限故障报警,蕴含知识(规则)未能合理挖掘和运用。为此,基于上三角矩阵改进了关联规则频繁项集算法,可精简候选项集,减少数据库遍历和扫描次数,提高规则挖掘效率,并应用于某动力监测数据的关联规则分析,实例验证了改进算法的可行性和有效性,为动力监测数据挖掘、提取关联规则提供了一有效技术途径。     

基于加权关联规则的船舶交通事故源分析

为监控和预防船舶交通事故的发生,需要分析船舶交通事故产生的原因及其成因关系。利用关联规则能有效挖掘出船舶事故间的强关联规则,但传统关联规则未考虑各船舶交通因素对事故发生的贡献度不同。因此,在基于关联规则的基础上,提出了一种加权关联规则模型,使关键事故源获得更高的关注度。实验结果表明,与传统关联规则相比,加权关联规则模型更有利于发掘出现次数少但很有价值的关联规则模式,为海事管理部门制定事故预防机制提供更准确、全面的参考依据。     

基于FP-growth的前后部项约束关联规则改进算法

为解决项约束关联规则挖掘算法未考虑用户感兴趣的项属于规则前部还是后部,而导致生成大量冗余关联规则的问题,论文提出了一种基于FP-growth的前后部项约束关联规则挖掘算法,该算法先对用户感兴趣的规则前后部项进行标记,构成约束条件。然后对事务集进行筛选,压缩事务空间,简化FP-tree建立,最终挖掘出有效的频繁项集和关联规则。实验结果表明该算法与其他项约束关联规则算法相比,运行时间较低,减少了冗余关联规则的数量,且具有较好的规模增长性。     

舰船网络入侵目标下检测效率与准确性的平衡问题解决

针对舰船网络入侵目标下入侵关键目标较多,当前方法无法兼顾效率与准确性的问题。从模糊关联规则的观点对入侵目标进行分类。降低检测数据维度,最大程度对不同检测部门分类,使其约简化,放弃推导入侵数据集属性的支持度与置信度,建立频繁项目集等步骤,而是结合舰船网络入侵目标在特征上差异较大这一条件,通过制定模糊关联规则,获得网内入侵数据的相似度,进行多次检测,降低检测过程中的开销成本。实验结果表明,该方法可以兼顾舰船网络入侵目标的检测效率与准确性分体,具备应用性。     

基于改进Apriori算法的船用柴油机装配工艺文件关联规则挖掘研究

柴油机作为船舶关键部件之一,其装配工艺设计的合理与否与船舶的整体性能直接相关。针对企业历史装配工艺文件不能充分为新机型装配任务发布时装配工艺设计提供支撑的问题,提出一个基于关联规则挖掘的柴油机装配工艺规则挖掘系统,该系统充分利用已有装配工艺文件,结合数据挖掘技术,对文件进行挖掘分析,建立装配规则库,为后续装配工艺智能设计提供数据支持。本文提出一种改进的Apriori算法,建立了关联规则挖掘的数学模型和基于自定义词典装配工艺文件分词算法,将分词处理过后的文件可以作为数据挖掘算法的输入,并在传统Apriori算法的基础上提出一种改进的Apriori算法,该算法核心思想是在对候选频繁事务集剪枝时,降低算法的时间复杂度,从而提高挖掘效率直到获得柴油机装配工艺文件中的关联规则。最后以某船厂的历史机型柴油机气缸盖装配工艺文件为例,验证了改进Apriori算法在挖掘柴油装配工艺文件关联规则时的可行性和有效性。     

H-C:基于H-Struct的频繁闭合项集挖掘算法

提出了一种基于H-struct结构的频繁闭合项集挖掘算法H-C。该算法利用了H-struct动态链接结构的特点,快速且高效地挖掘闭合的频繁项集,大大减少了冗余关联规则的产生。试验表明该算法对大型数据库的处理效率和扩展性优于传统的频繁项集生成算法。     

海事事故的聚类与关联规则

为进一步分析海事事故发生的潜在原因,保障船舶航行安全,在对比各海事局事故数据质量的基础上,以浙江海域海事事故数据库作为研究对象,通过对海上船舶风险及其影响因子进行识别,以事故类型为聚类中心,并与关联规则Apriori算法进行融合,以较高的挖掘精度实现对海事事故数据的致因分析。挖掘试验结果表明:基于k-medoids和Apriori组合的挖掘算法在提升度和挖掘精度上均优于传统的Apriori算法。通过对逐条关联规则进行解释,分析出浙江海域海事事故的特征及致因,提出预防海事事故的建议和对策,保障浙江海域船舶的航行安全。     

模糊关联规则在西甲联赛中的运用

针对数据挖掘中的“尖锐边界”问题,阐述了模糊关联规则挖掘技术,提出了在模糊关联规则的挖掘中将事务属性模糊集中的元素作为单一属性来处理的方法,给出了模糊关联规则挖掘的算法。最后以西班牙足球甲级联赛分析为例,描述了模糊关联规则挖掘的具体应用。     

Risk assessment of inland waterborne transportation using data mining

ABSTRACT

China has constructed a relatively complete inland waterborne transportation system. However, the frequent occurrence of inland water accidents with serious consequences, like the catastrophic Orient Star shipwreck, is an urgent unsolved problem. To reduce such accidents in the future and improve inland waterborne transportation safety, this study uses data mining, mainly containing text mining and association rule mining to risk assess China’s inland waterborne transportation, rather than the traditional quantitative risk assessment model. Text mining enables the risk factors to be objectively identified and distilled from accident reports. The potential relationships between risk variables are explored using association rule mining, based on the FP-Growth algorithm. The results reveal the essential problem facing China’s inland waterborne transportation system: frequent and varied ship accidents; key risk factors include overloading or improper loading, poor navigation visibility, inadequate sailor competence, and insufficient government supervision of shipowners and shipping companies. Combining the actual circumstances of inland waterborne transportation operations, this study proposes relevant recommendations for governments and relevant supervisory departments. The integrated application of text mining and association rule mining serves to avoid uncertainty and subjectivity, and achieve good results proving their scientific nature as a feasible method in water transportation risk research.     

基于灰色综合关联理论的电力系统故障诊断方法

为提高电力系统故障诊断的准确性,采用基于灰色综合关联理论的电力系统故障诊断方法,首先建立包括保护、断路器拒动情况下元件-（保护-断路器）分层逻辑关联规则;在识别出故障区域的基础上,将故障信息按逻辑关联规则进行分类,利用灰色综合关联理论对告警信息与标准告警信息进行对比,并运用相似度算法筛选判断结果中的矛盾项,最终得出故障诊断结果,识别出保护和断路器拒动、误动的情况,并将告警信息纠错和复原.     

基于概念分层的关联规则在酒店餐饮营业数据库的应用

酒店餐饮营业数据库信息实时汇总为管理者提供了方便,也为餐饮企业信息化的提升做了有力支撑.基于某酒店70万条餐饮营业数据,突破原有简单统计分析模式,通过概念分层和关联规则数据挖掘技术在餐饮营业数据库的有效应用,发现不同概念分层下的餐饮产品间的关联规则、客源聚类与餐饮产品间的多层关联规则等有用信息,为数据挖掘在传统服务领域应用拓展思路.     

应用规则引擎构建舰艇作战决策系统方法研究

针对开发作战决策系统存在的问题,提出了基于规则引擎构建作战决策系统的方法。该方法使用开源Java规则引擎Drools作为决策系统的推理机,使决策规则与其它仿真软件代码分开,显著提高了系统开发效率,降低了系统维护的复杂度。Drools采用面向对象系统增强并优化的Rete算法实现推理机的模式匹配,可满足规则复杂的作战系统对决策时间的要求。实验表明,该方法能很好地完成复杂决策系统的构建。     

"站在巨人的肩膀上"-科学的"公有性"之我见

所有科学的重大发现、理论与规律,都是社会合作的产物,都必须及时地、公开地发表,为社会全体成员所共享;科学的公有性与无私利性是紧密相关的;科学的公有性要求进行科学交流和科学合作。     

基于遗传算法的船艇冷库模糊控制仿真研究

船艇冷库温度的精确数学模型难以建立,针对传统PID控制精度不高和常规模糊控制获取控制规则和隶属度函数方法的不足,提出利用遗传算法对船艇冷库模糊控制系统的控制规则和隶属度函数进行优化,通过仿真表明,该算法能够使模糊控制系统的控制品质得到较大的改善和提高。     

避碰规则中准予背离的条款

《1972年国际海上避碰规则》准许在必要时背离避碰规则的规定来避免紧迫危险。通过对避碰规则条款归类、分析,可以被背离的避碰规则条款必须是强制性的、不附例外条件的、针对性的具体避碰规定。具体而言,只有狭水道条款中的右行规则和对遇局面中的右转规则才存在背离的可能。     

基于正态分布判别函数的航迹关联双门限算法

雷达和电子支援（Electronic Support Measurement，简称ESM）传感器的航迹关联是异类多传感器数据融合研究方面的重要前提。以往对于关联判别函数的选取，多采用X^2分布，这使得在某些实际应用中，通常会出现计算量大，确定门限闭值复杂的问题。基于正态分布关联判别函数的航迹关联双门限算法，在门限阈值的选取上直接采用正态分布中的分位数概念，避免了X^2分布中选取阂值的复杂过程。通过仿真试验，验证了决策规则的第一类风险和第二类风险，表明该方法能有效地判决航迹的关联问题。     

基于LM算法的组合导航系统的故障诊断

LM (Levenberg-Marquardt)算法是梯度下降法与高斯-牛顿法的结合,在训练次数与精度上明显优于标准的BP算法.介绍了BP神经网络,采用LM算法对标准BP算法进行改进,并应用于船舶组合导航系统的故障诊断.仿真结果表明,LM算法可有效地提高学习速度,缩短训练时间,诊断效果好.