首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   25篇
  水路运输   25篇
  2018年   4篇
  2016年   5篇
  2015年   2篇
  2014年   1篇
  2012年   1篇
  2011年   2篇
  2010年   2篇
  2009年   1篇
  2008年   1篇
  2007年   6篇
排序方式: 共有25条查询结果,搜索用时 31 毫秒
1.
核主成分分析方法在船型方案综合评价中的应用   总被引:4,自引:2,他引:2  
将用于综合评价的核主成分分析(KPCA)方法引入船型方案选优,通过算例分析,将该方法与传统层次分析(AHP)及交互式多目标决策方法进行对比,结果表明该方法在船型方案优选多目标决策问题上是适用和可靠的。  相似文献
2.
支持向量机是基于统计学习理论框架下的一种新的通用机器学习方法,是一种处理非线性分类和非线性回归的有效方法。由于具有完备的理论基础和出色的学习性能,该技术已成为当前国际机器学习界的研究热点,能较好地对应解决小样本、高维数、非线性和局部极小点等实际问题。近来,SVR方法被引入求解回归和预测问题,并在各领域中得到广泛的应用。文章提出了一种新的基于单参数的Lagrangian支持向量回归算法,并将该算法应用在集装箱吞吐量预测中。估算结果证明了这种改进的支持向量回归算法在集装箱吞吐量预测中的有效性和实用性。  相似文献
3.
一种多学科设计优化近似模型构建方法   总被引:2,自引:0,他引:2  
通过采用单个参数控制样本的误差界限、采用Laplace损失函数和改变置信区间项,给出了一种基于单参数的Lagrangian支持向量回归算法。以实际数值函数为例,通过采用三组不同样本集进行拟合训练,构建了基于支持向量机的近似模型;以石油平台支援船总阻力估算为例,通过与模型试验及其他典型方法的对比,检验了算法用于近似模型构建的准确性和适用性。研究结果表明,采用支持向量机方法构建近似模型在小样本条件下比神经网络等传统方法具有更好的泛化性和推广能力,能够有效提高计算精度与优化效率,在复杂系统多学科优化设计中具有很大的应用价值。  相似文献
4.
基于KPCA方法的内河干散货运输船型论证   总被引:1,自引:0,他引:1  
最佳船型方案选择是一个复杂的多变量、多目标的系统优化工程。核主成分分析方法是目前一种常用的综合评价方法,具有优秀的主元提取性能,尤其适合于处理非线性问题,其应用前景十分广泛。研究采用核主成分分析方法进行内河干散货运输船型方案优化,举实例证明该方法的有效性和实用性。  相似文献
5.
一种有效近似建模方法及船舶耐波性代理模型构建   总被引:1,自引:0,他引:1  
船舶耐波性能预报计算过程复杂,会受到诸多设计变量的影响;且采用高精度商业软件如CFD预报船舶性能的计算代价非常高。文章采用拉丁超立方方法进行了设计空间抽样。定义了一个新的综合衡准指标来表达船舶耐波性能,即短期和长期作用下船舶非工作时间百分数。考虑了船舶耐波性能中的五个运动方向:横摇、纵摇、转艏、横荡和升沉。为提高船舶耐波性能计算效率,一种有效的近似建模方法—单参数Lagrangian 支持向量回归算法被用于训练并构建代理模型以预报船舶耐波性能,且该算法是由作者在过去的研究工作中首次提出。以海洋平台支援船(OSV)为例,采用SPL-SVR算法预报船舶耐波性能,并与基于NAPA计算仿真结果、人工神经网络和经典支持向量回归算法进行对比。该文考虑OSV的两种速度,建立了海洋平台支援船短期作用下非工作时间百分数的耐波性能响应面模型,结果显示采用SPL-SVR算法建立的船舶耐波性能响应面模型比较适合船型初步设计的工程实际应用,并具有较高的计算效率。  相似文献
6.
多维随机不确定性下的船舶多学科稳健设计优化研究   总被引:1,自引:1,他引:0  
李冬琴  蒋志勇  赵欣 《船舶工程》2015,37(11):61-66
通常船舶多学科设计优化仅考虑确定性的影响,忽视设计中不确定性因素的存在,显然优化结果无法真正保障船型方案的可行性和航行性能的优良性。目前,不确定性船舶多学科设计优化主要集中在一维不确定性分析。为了得到船舶设计优化的最优方案,本文以多维不确定性下的多学科稳健设计优化问题为例,通过分析考虑随机不确定性因素的均匀分布和正态分布并存分布状况,提出了一种新的以Legendre polynomials和Hermite polynomials多项式为基础的多维多项式混沌方法,并以海洋平台支持船为对象构建立多维不确定性量化模型。通过对多维随机不确定性因素对船舶优化方案的影响分析完成了船舶多学科稳健设计优化研究,有效地减少和避免船舶设计优化方案失效的可能性。  相似文献
7.
支持向量机(Support Vector Machines,SVM)是基于统计学习理论框架下的一种处理非线性分类和非线性回归的有效方法。由于具有完备的理论基础和出色的学习性能,该方法已成为当前国际机器学习界的研究热点,能较好地解决小样本、高维数、非线性和局部极小点等实际问题。这里提出了一种基于单参数的拉格朗日(Lagrangian)支持向量回归算法,并将该算法应用在外贸货物吞吐量预测中。估算结果证明了这种改进的支持向量回归算法在吞吐量预测中的有效性和实用性。  相似文献
8.
支持向量机是基于统计学习理论框架下的一种新的通用机器学习方法,是一种处理非线性分类和非线性回归的有效方法。采用支持向量机回归算法对船型主要要素进行建模,并与常规的回归建模方法进行比较。同时应用实例进行论证,估算结果证明了这种支持向量机回归算法在船型要素建模预测中的有效性和实用性。  相似文献
9.
支持向量机(Support Vector Machines,SVM)是基于统计学习理论框架下的一种处理非线性分类和非线性回归的有效方法。由于具有完备的理论基础和出色的学习性能,该方法已成为当前国际机器学习界的研究热点,能较好地对解决小样本、高维数、非线性和局部极小点等实际问题。提出了一种基于单参数的Lagrangian支持向量回归算法,并将该算法应用在外贸货物吞吐量预测中。估算结果证明了这种改进的支持向量回归算法在吞吐量预测中的有效性和实用性。  相似文献
10.
支持向量机(Support Vector Machines,SVM)是基于统计学习理论框架下的一种新的通用机器学习方法,是一种处理非线性分类和非线性回归的有效方法。由于具有完备的理论基础和出色的学习性能,该技术已成为当前国际机器学习界的研究热点,能较好地解决小样本、高维数、非线性和局部极小点等实际问题。近来,SVR方法被引入求解回归和预测问题,并在各领域中得到广泛的应用。本文在分析现有基于高斯核的支持向量回归方法优缺点的基础上,突破目前在构造支持向量机中存在的"所有支持向量与样本之间的在特征空间中的内积所对应的核函数参数一定要相等"的这一思维定势,提出了一种新的算法——"基于高斯核参数加权的支持向量回归机"算法,并将该算法应用在世界散货船队运力预测中。估算结果证明了这种改进的支持向量回归算法在船队运力预测中的有效性和实用性。  相似文献
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号