粗糙集-BP神经网络组合在PSC选船模型中的应用

本文以欧盟最新港口国监督法令(2009/16/EC)巴黎备忘录目标船选船机制(NIR)为研究对象,提出基于粗糙集和BP神经网络组合算法的PSC的新选船模型。研究结果表明:该算法有效结合粗糙集理论与BP神经网络的优点,属性约简科学合理,避免选择评价因素的主观影响,简化了网络结构。     

大连海事大学2008~2009年就业工作分析

全面分析大连海事大学2008--2009年就业工作情况，在总结近两年学校毕业生就业工作采取的有效措施的基础上，深入探讨目前学校毕业生就业工作存在的主要问题及产生原因，并提出进一步加强毕业生就业工作的建议。     

港口国监控选船新模型研究

针对已有PSC选船模型采用层次分析法、模糊综合评价方法和BP神经网络等方法存在的诸如不能反映各风险因素之间相关性、专家主观因素带来偏差,样本需求量过大和收敛速度慢等问题,以2009/16/EC巴黎备忘录目标船选船机制NIR为研究对象,提出一种新的基于支持向量机理论的PSC选船模型,并选取巴黎备忘录“THETIS”检船数据库的部分船舶信息进行实证分析.结果表明,使用基于支持向量机理论的PSC选船模型测试的船舶样本结果与其公布的船舶实际情况一致,使用该算法可十分有效地在样本少且检查资源有限时对船舶进行快速分类,对PSC选船的实际操作具有实用价值.