基于位串数组的最大频繁项目集挖掘算法

在基于位串数组的数据挖掘算法的基础上,进一步提出了一种快速的基于位串数组的最大频繁项目集挖掘算法(BSA-MFIA).通过两次扫描事务数据库D,生成完全由"0"、"1"构成的位串数组.它非常适合于压缩编码存储,可以有效得减少存储空间.然后在位串数组的基础上,通过简单的位运算,产生最大频繁项目集,实验结果表明此方法是快速有效的.     

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。     

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。     

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。     

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。     

基于滑模优化与神经控制的船载风力发电系统最大功率跟踪方法北大核心CSCD

[目的]旨在解决船载风力发电系统中传统的最大功率跟踪算法的稳定性和快速性差问题。[方法]在系统分析船舶运动合成风场特性的基础上,提出基于单神经元比例积分(SNPI)的最优机械角速度跟踪控制策略,用以提升风机重启的跟踪快速性。同时,采用功率滑模极值搜索(PSMES)算法取代依赖风速精确测量的叶尖速比(TSR)方法,实现机械角速度的快速优化与发电系统频繁重启下的最大功率搜索。[结果]仿真结果表明,相比于传统算法,采用机械角速度PSMES优化和SNPI控制的最大功率跟踪策略可将快速性能提升50%以上,且稳定性能得到了改善。[结论]研究表明,所提最大功率跟踪算法具有明显的快速性和稳定性优势。     

基于Apriori算法的PSC检查船舶缺陷数据挖掘

为了提高我国港口国监督(PSC)工作人员的工作效率,以近10年东南沿海诸港的PSC检查中化学品船船舶缺陷信息为背景,运用Apriori算法对其缺陷数据进行研究分析,通过生成频繁项目集,从中提取符合条件的关联规则。研究结果表明,该方法能够准确、直观地总结出船舶缺陷信息的关联性,为我国PSC检查提供有效的参考依据。     

基于EasyEnsemble和XGBoost算法的焊缝超声波检测结果预测模型

针对某船厂提出的降低不合格焊缝漏检率的需求，基于焊缝超声波检测历史数据，在筛选焊接质量关联参数并进行归一化、编码等特征工程处理的基础上，通过主成分分析提取有效特征作为模型输入，提出一种基于Easy Ensemble和XGBoost算法的焊缝超声波检测结果预测模型。该模型针对样本数据分布极度不均衡而导致负样本召回率低的问题，选取Easy Ensemble算法进行数据增强获得均衡训练样本集。试验证明，所提方法极大地提高了负样本召回率，降低了不合格焊缝的漏检率。     

基于感兴趣集和遗传算法的模拟退火算法初步研究

本文基于作者所提出的感兴趣集，提出了基于感兴趣订的模拟退火自满ＩＳＳＡ。再基于遣传算法的思想，提出了基于遗传算法的模拟退火自满ＩＧＳＡ。算法ＩＧＳＡ是模拟退火算法的有效改进。     

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。     

一种基于波形检测的多地磁集卡定位算法

在集装箱码头中,有效获取集卡位置是场地设备自动化调度的基础条件。为有效可靠地获取集卡定位信息,在三轴异向磁阻传感器车辆检测原理基础上,以检测码头集卡作业停车为背景,提出一种基于波形检测的多地磁集卡定位算法。该方法消除固定阈值所带来的累积误差和部分特殊场景的检测错报,同时降低单个地磁检测的误判率。目前,该算法已集成在集卡无接触定位系统中,并投入生产作业使用。     

船舶发电机智能诊断系统设计与研究

船舶发电机系统发电性能和稳定性能直接影响到船舶能否正常工作,因此要求发电机在遇到故障时,能够快速确定故障位置,并有效排除故障,尽最大可能降低故障的影响。本文在研究船舶发电机系统的基础上,设计基于蚁群算法和人工神经网络技术模型的船舶发电机故障诊断系统,此诊断系统能够有效定位故障点,并进行故障类型判断和排除。     

基于粗糙集理论的遗传属性约简算法研究

传统的属性约简算法效率低下,容易陷入局部极小值,不适用于大型知识库。文中提出一种基于粗糙集理论的遗传属性约简方法,在传统的属性约简方法基础上对适应度函数、交叉和变异的概率、变异方式和种群修复方式进行了改进。在正域区分对象集的研究基础上,用启发信息设计了一种快速的属性约简算法,并利用 Matlab 工具进行仿真,将仿真结果与前人研究结果作对比。实验表明此算法优于前人的算法,能够快速高效地对大型知识系统求其约简。     

混合遗传算法在舰空导弹武器系统火力分配中的应用

论文通过保证最大数量的目标满足射击条件为优化目标,以指挥员决策、舰空导弹武器系统照射雷达有效作用范围等因素为约束条件,建立火力分配模型。然后采用基于自适应惩罚函数法的混合遗传算法,快速有效地解决武器系统照射雷达的火力分配问题。     

基于云计算的舰船网络被动数据快速关联算法

传统的网络被动数据关联算法存在计算复杂,迭代次数过多的问题。为此提出基于云计算的舰船网络被动数据快速关联算法。采用目标假设的方法,去除被动数据中的虚假目标,构建约束条件,初始化拉格朗日乘子,通过云计算的方式求取目标函数对偶解,获得关联数据结果集,实现舰船网络被动数据快速关联。测试结果表明,与传统的被动数据关联算法相比,舰船网络被动数据快速关联算法利用云计算,简化了运算,减少了迭代次数,使得算法快速收敛。     

细化成本管理提升竞争实力--中远船务全面推进成本管理工作

项目准备降本
　　俗话说得好，“好的开始等于成功的一半”，项目的准备往往决定了生产的效率，也同样关乎企业成本的命脉。舟山中远船务3600TEU集装箱船项目通过设计审模，减少设计修改量和后期物资增补，通过提高管附件、紧固件等物资的规格，实现精确库存，加强集配体系和集配班组建设，实现问题预警，账物相符，加强工区级配套体系建设，实现“预则立”，在首批的三条集装箱船中，配盘完整率达95％以上。     

微粒捕集新技术

用于治理柴油机污染物排放的“柴油机红外再生微粒捕集系统”,已通过教育部组织的鉴定。 这项技术成果是由大连理工大学内燃机研究所完成的。它是在国家“八五”重点科技攻关项目“柴油机颗粒排放控制技术”的基础上,通过对各种微粒捕集器技术的研究与筛选,自主研究开发出来的新技术。将这项新技术及其产品用于柴油机微粒捕集器,可以大大减少柴油机产生的环境污染。 柴油机燃油消耗率低、节能,但是,降低柴油机排放的碳烟颗粒污染,一直是个环保难题。而“红外再生微粒捕集系统”,解决了柴油机微粒捕集器中的一项关键技术难题,适合国内城…     

基于三维自适应预测的舰船尾迹图像快速无损压缩算法

为了获得更高质量的舰船尾迹行进图像,提出基于三维自适应预测的舰船尾迹图像快速无损压缩算法。根据三维自适应预测原理,设定波段顺序条件,确定尾迹节点的实际精度数值,完成基于三维自适应原理的舰船尾迹预测。在此基础上,利用已选取的压缩指标,对各级节点实施无损编码,再通过计算压缩比例,实现舰船尾迹图像快速无损压缩算法。对比实验结果表明,与BMP图像处理手段相比,应用快速无损压缩算法后,图像压缩清晰度极值达到88%,舰船尾迹行进图像的质量水平得到有效提升。     

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。     

岸边集装箱起重机司机操作意图识别方法研究

以港口岸边集装箱起重机装卸操作过程为研究背景,基于隐马尔科夫模型（HMM）,建立双层HMM模型,运用修改后的Forward-Backward算法,计算操作层各个HMM模型的似然度,选择似然度最大的模型作为操作行为的识别结果,组成观察序列串后,送入意图层HMM模型集,进行桥吊司机操作意图的识别。最后,采用Matlab环境实现HMM模型,通过现场统计确定案例基础数据,验证了模型的有效性。结果表明,该模型可准确识别岸边集装箱起重机司机的操作意图,对于研究港口机械智能辅助驾驶系统具有一定的意义。