基于原型批评理论的武侠人物分析

摘要原型批评理论是在以研究文学与神话等原始文化关系的基础上的一种批评模式。本文指出的中国武侠就是自己独特的原始文化，并在结合原型批评理论基础上，对武侠《天龙八部》中三位主要人物萧峰、段誉和虚竹进行了原型剖析，重点突出中国人的武侠情结。本文通过根据中国神话人物的模型，对武侠人物进行了新的诠释。     

基于不同试验方法的沥青高温性能评价

为研究沥青材料的高温性能,利用动态剪切流变试验和多应力蠕变恢复试验的方法,选用70#基质沥青、SBS 改性沥青及埃索高粘沥青进行对比试验,分析了它们在不同应力和温度条件下粘、弹响应的变化规律。实验结果表明：车辙因子忽略了沥青材料的延迟变形,用来评价改性沥青的高温性能存在着较大的不足;多应力蠕变恢复试验与路面抗车辙能力具有更好的相关性,用恢复率和不可恢复蠕变柔量等评价指标能更全面地评价沥青材料的高温性能。     

基于反地理编码服务的内河船舶轨迹停留语义信息提取

由于内河水域电子航道图在完整性和及时性方面的不足，传统依赖电子航道图的船舶轨迹停留点挖掘方法在准确率和效率方面受到限制。在线地图资源蕴含着大量的地理空间语义信息，能为船舶活动轨迹提供丰富的地理关联解译。综合利用互联网中的地图数据服务，提出一种基于反地理编码的内河船舶轨迹停留语义信息提取方法。识别船舶在港口、码头等区域的轨迹停留段，提取每段的停留中心点；利用在线地图的反地理编码服务获取停留中心匹配的区域集合，计算每个区域的船舶停留特征；基于关键字对多个区域进行融合，生成船舶轨迹的停留语义信息。利用2018年7月—2018年8月长江区域船舶的真实轨迹数据进行试验，结果表明：该算法能有效地提取船舶轨迹的停留语义信息，平均准确率达到94%以上。     

基于轨迹特征的船舶停留行为识别与分类

为准确评估大规模轨迹数据中的船舶停留活动，构建了两阶段船舶轨迹停留点提取策略，提出了特征驱动的船舶停留行为识别与自动分类方法；以距离、时间和轨迹点数量为约束条件构建了规则模型，检测了原始轨迹中的停留候选轨迹，引入孤立森林算法检测和去除异常离群点，提取了高聚集度的船舶停留轨迹集合；基于船舶靠泊和锚泊的时空特征，定义了轨迹点重复率、相邻点平均距离和最远点对距离3个指标，构建了新的轨迹相似性度量模型，量化了船舶停留轨迹点的分布特征和聚合程度，并利用K近邻算法完成了船舶锚泊行为与靠泊行为的自动分类；采用提出的方法处理了3个不同水域的船舶轨迹数据，准确获取了船舶停留行为的分类结果，并验证了船舶锚泊与靠泊在轨迹时空特征上的差异性，以人工标注结果为参考依据评估了船舶停留行为识别与分类的准确性。研究结果表明:船舶靠泊的轨迹点重复率在80%以上，最远点对距离和相邻点平均距离分别为6~11和1~2 m，船舶锚泊的轨迹点重复率在10%以下，最远点对距离和相邻点平均距离分别为150~250和8~10 m，说明轨迹点重复率、相邻点平均距离和最远点对距离这3个时空特征对船舶靠泊和锚泊具有显著的区分能力；提出的方法对船舶停留识别分类的正确率在98%以上，充分证明了其有效性；采用提出的方法可更新已有码头和锚地的空间位置，自动识别规则水域外的船舶异常停留和规则水域内的超长时间船舶异常停留，掌握在港船舶停留分布情况，识别不同季节、不同时段的热点码头和锚地，从而辅助优化港口规划布局和交通组织。      

船舶运动模型参数辨识研究综述

创建精确且可靠的运动模型是有效分析船舶操纵性和保障船舶智能航行的关键。相较于常用的船舶运动建模方法（包括经验法、试验法、计算流体动力学数值法），参数辨识技术是1种实用有效、迁移性强的建模手段，但因受到诸如船舶强非线性运动特性、时变耦合的环境干扰、内外多重不确定性等众多复杂因素的影响而面临极大挑战。围绕船舶运动模型参数辨识技术的4个核心内容，即最优输入设计、船舶运动数学模型、参数估计算法、辨识模型测试验证，重点梳理了富含操控特性的激励数据获取、多型船舶运动模型、经典-智能-混合参数辨识方法、辨识模型评估方法相关的研究现状，剖析了噪声干扰、参数漂移、参数时变、评价指标选取等主要问题，发现面对操纵与航行特征复杂的船舶，获取覆盖广域运动特征的高质量数据仍无较好方法，参数漂移现象与模型复杂度紧密相关，且无法完全避免。面向数据高质量化、辨识实时性、航行场景复杂化等的发展要求，对船舶运动模型参数辨识技术在船舶操纵运动数据获取与处理，如鲁棒估计与信息融合、鲁棒在线参数辨识、多新息智能算法、复杂场景下的船舶运动辨识建模如受限条件下船舶运动辨识建模等重点方面进行了展望。      

三亚市中学生视力调查与分析

视力低下是中学生常见病之一,是影响学生学习与身体健康的一个十分突出的问题.随着二十一世纪的到来,城市和农村电视、电脑在家庭中逐渐普及,越来越多的家长更关注青少年的视力低下问题.为预防视力低下的发生,笔者对三亚市城乡中学的学生进行了调查.     

一种基于扩展状态观测器的智能船舶Nomoto模型参数辨识方法北大核心CSCD

[目的]为了支持制导、导航、控制等船舶智能化技术的测试验证平台的搭建,利用系统辨识技术得到高精度的智能船舶野本(Nomoto)运动模型参数。[方法]充分结合扩展状态观测器(ESO)以及鲁棒加权最小二乘支持向量回归(RW-LSSVR)算法的优势,提出一种高效低成本的混合参数辨识方法。为解决模型参数辨识中无法直接有效获取某些状态量的问题,构建了基于ESO的状态估计方法。基于估计方法与直接测量的船舶运动状态量,采用具有较强抗异常值干扰的RW-LSSVR对智能船舶二阶线性Nomoto运动模型参数进行辨识。以已知模型的两艘船舶为测验对象,对所提参数估计与辨识方法进行综合测验。[结果]在利用较少传感器的情况下,通过ESO可较精确地估计出非直接测量的船舶运动状态量,并且利用RW-LSSVR辨识得到的参数值十分接近标准值。[结论]利用所提方法获得的估计状态可用于参数辨识,并且辨识模型具有较好的泛化性。