船舶管理中基于负载平衡的并行FP-growth算法研究

船舶行业数据增长十分迅速,深度挖掘蕴含在大数据中的相关信息,可以有效加强船舶运营的精准化、高效化管理。本文提出一种基于负载平衡的并行FP-growth数据挖掘算法(BPFP-growth)。该算法通过赋予项目TID的方式,对项集树的存储方式进行了改进,基于镜像重构与负载因子完成数据的并行分组,在各自并行分区节点完成相应分组子集的频繁项集的挖掘,通过并集完成全部频繁项集的求解。实验表明,该算法具有较好的可并行性和可扩展性,能够有效实现船舶管理、资源配置等数据的挖掘,进行精准管理,优化资源配置,促进船舶行业高质量发展。     

关联规则挖掘在3G通信系统维护中的应用

研究了关联规则挖掘算法,将Apriori算法的散列技术和压缩事务数据库技术应用到3G通信网络故障维护中,减少网络维护信息中频繁项集的生成,使故障维护方法和过程更简洁有效。     

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。     

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。     

数据挖掘的船舶网络病毒入侵检测研究

船舶中网络数据较多,传统病毒入侵检测方法不能有效对正常数据与异常数据分类,从而导致网络病毒入侵检测率与误检率较低,基于这一问题,将数据挖掘算法应用到船舶网络病毒入侵检测中。对网络数据采集,采用数据挖掘技术中的聚类分析算法将数据集合中对象划分成若干个类,聚类后形成多个数据集,在此基础上,确认离群点,划分为正常类与异常数据类,采用Apriori算法挖掘离散点中的频繁项集,寻找到病毒入侵中出现的频繁异常数据集,实现船舶网络病毒入侵检测。实验将检测率与误检率作为入侵检测指标,结果表明,此次研究的方法检测率高,并有效降低了误检率,证明所研究的检测方法的有效性。     

最大频繁模式的挖掘算法

挖掘最大频繁模式是多种数据挖掘应用中的关键问题。采用Apriori类的候选生成-检验方法或基于FPTree的挖掘方法需要产生大量候选或动态创建大量条件模式树，代价太高。因此，提出一种挖掘最大频繁模式的新算法。该算法利用前缀树压缩存放数据，并通过调整前缀树中节点信息和节点链直接在前缀树上采用深度优先的策略进行挖掘，既不需要生成候选也不需要创建条件模式树，提高了挖掘效率。     

基于改进Apriori算法的客户满意度评测研究及应用

在研究和分析现有的Apriori算法后，提出一种新的改进算法。该算法在哈希表存放数据库的基础上，采用二进制的改进模型。在统计查找频繁项集的支持计数中，通过二进制位与运算代替链表间查找相同内容的节点运算。为提高内存分配和释放效率，文中采用内存池技术，有效地减少内存碎片和缺页中断，采用二进制的改进模型和内存池技术相结合，明显提高了客户满意度评测系统的效率。     

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。     

船舶港口国检查的滞留原因分析

为了提高航运公司船舶管理水平,提升船舶安全航行系数,有效降低海事事故风险,并顺利通过港口国监督检查,对近年船舶港口国检查(Port State Control,PSC)滞留信息进行了研究,进而总结出滞留船舶缺陷的内在关联性或规律性信息。为此,从滞留缺陷及影响因素数据入手,运用关联规则挖掘技术分别对不同类型、不同船龄船舶的PSC检查滞留数据进行研究,通过频繁项集和关联规则的方式来挖掘船舶滞留缺陷的潜在规律。研究结果表明,运用关联规则挖掘技术对船舶滞留缺陷进行研究,能够准确、直观地总结出影响船舶滞留因素间的关联性。     

基于最大频繁序列的蛋白质分类算法

针对现有基于频繁模式的分类算法未考虑完全频繁模式所产生的大量无效序列,提出了一种基于最大频繁序列的蛋白质分类算法,此算法每一类都以独有的最大频繁模式作为代表,执行模式裁减和测试数据分类。实验表明该算法在继承传统算法优点的同时提高了结果的精确度,降低了模式的冗余度,此应用增加了分类的生物信息学意义。     

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.     

闭环增益成形算法在船舶自动舵中的应用

根据船舶自动舵闭环频谱要求,给出一种新的基于闭环增益成形的控制算法,新算法从设计的根本上保证控制器具有良好的控制性能和鲁棒性能,从理论上可推出船舶航向ＰＤ控制是新算法的特例,新算法设计过程简单,物理意义明显     

船舶航向保持的鲁棒神经网络控制

设计一个N5-5-5-5-5-5-1前向神经网络,经训练得到一个开环的船舶航向保持控制器,使其能够较好地保持典型输入信号作用下的船舶航向;然后应用闭环增益成形算法,形成闭环控制系统.这种基于神经网络的航向保持方案,将神经网络的适应能力、非线性函数映射能力和闭环增益成形算法的鲁棒性结合起来,改善了系统的鲁棒性能.这种方法设计过程简单,物理意义明显.     

一种基于数据挖掘的GIS及在航海中的应用

根据聚类分析方法中密度凝聚的思想，提出一种新的复合聚类分析算法，进一步将这种算法用于地理信息系统的数据挖掘，并应用于船舶航线的自动设计。     

文本数据挖掘中的进化信息算法

在对基于海量文本数据信息的数据仓库进行数据挖掘过程中,产生出一类带有时态特征的进化信息,介绍了在文本数据仓库中进行数据挖掘和知识发现过程中的进化现象,定义了进化过程的数学模型,并对数据挖掘中进化过程模型的建立提出了相关规则。     

数据挖掘中的序列模式的研究

本文就数据挖掘中序列模式的概念和作用进行了探讨,并对序列模式的实现过程用程序流程的方式加以说明,并给出了序列模式实现算法的步骤。     

一种新型环保疏浚与吹填机具研究

现有环保疏浚与吹填工程中,在挖掘污染底泥时对周边水体的污染物含量有严格控制,新型环保疏浚与吹填机具采用全封闭螺旋绞刀配合高压水泵来进行底泥挖掘输送。该机具装置结构简单,施工便利,输送浓度高,成本低,无污染,是对现有环保疏浚领域中防污染扩散技术的一次创新,适用于沿海、沿江、内河、湖泊环保疏浚与吹填工程,具有广阔的应用前景。