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。     

大数据在轮机故障诊断系统设计中的应用

随着现代船舶技术的发展,轮机系统向大型化和自动化方向发展,设备和控制系统日益复杂,现有的故障诊断技术越来越无法满足人们的需求。数据挖掘技术能够从大量的数据信息中提取并找到有用的信息,极大的推动了人们分析和处理大数据的能力。将数据挖掘技术引入船舶轮机故障诊断系统中,能够有效提高诊断系统的效率。本文设计基于大数据的轮机故障诊断系统,研究现有的基于关联规则的Apriori数据挖掘算法,并进行优化改进,有效降低整个算法的复杂度,并进行了仿真实验。     

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。     

基于数据挖掘技术的房地产CRM的研究与应用

文章首先介绍CRM与数据挖掘关系,接着重点分析数据挖掘中的关联规则算法,即Apriori算法以及改进的Apriori,通过讨论关联规则算法在到房地产CRM中的应用,并结合实际数据,在此基础上提出数据挖掘技术对房地产CRM具有潜在的价值。     

PSC数据中船龄与缺陷相关性的可视化挖掘

基于台湾某四港近8年来PSC工作的电子数据记录,对船舶缺陷与船龄进行关联分析,提取其间相关特征,提出一套行之有效的可视化数据挖掘方法,为提高港口国检查工作效率提供了一个科学、高效的定量方法。     

浅谈如何顺利通过PSC检查

随着社会的进步,人类对赖以生存的自然环境,特别是海洋环境日益关注,而船舶是对海洋造成污染的主要根源,为了减少船舶对海洋造成污染,各主权国家根据公约对进港的外籍船舶进行港口国检查,以求减少高风险的船舶对海洋造成污染的可能性.本文通过分析近年来我国对外籍船舶进行港口国检查的数据,研究港口国检查的缺陷内容,探讨应对港口国检查...     

基于海事大数据的港口国监督检查预测模型构想

<正>港口国监督简称PSC(Port State Control),是港口国对驶入本国港口的外国籍船舶实施的检查行为,目的在于监督这些船舶严格遵守并符合其所适用的国际公约规定和安全标准,如果发现船舶存在缺陷,则要求其进行纠正;如果船舶存在的缺陷严重危及船舶航行安全或海洋环境,则可对其采取滞留措施直至缺陷纠正。因此,如何对船舶实施科学高效的监督检查,准确地发现船舶缺陷,将事故隐患消灭在萌芽期,是世界各国港口国监督检查员(以下简称PSCO)始终高度关注且有待提升的问题。     

日本PSC检查中的新造船风险

在众多TOKYO MOU成员国中,日本港口国检查官一向以作风端正、工作严谨、要求严苛著称。回顾2012年1～11月日本港口国滞留数据,全年累计检查船舶5829艘次,无缺陷通过1742艘次,无缺陷通过率30%,滞留船舶225艘次,滞留率     

“S”轮连续五次被滞留引发的思考

文中摘取2014年10月31日公布的东京备忘录低标准船舶"S"轮的港口国检查记录,分析了该轮在最近12个月内连续被滞留5次的缺陷情况,提出了进一步加强和改进船舶安全管理及港口国监督检查的建议。     

基于改进Apriori算法的船舶通信入侵检测方法分析

非法入侵行为危害着船舶通信系统的安全,针对当前船舶通信入侵检测错误率高的缺陷,提出了基于改进Apriori算法的船舶通信入侵检测方法。首先对国内外当前的船舶通信入侵检测方法进行分析,指出了各种方法存在的局限性,然后采用Apriori算法建立船舶通信入侵检测关联规则,实现船舶通信入侵检测数据进行挖掘,并对Apriori算法存在的不足进行相应的改进,最后进行了船舶通信入侵检测仿真实验,本文方法简化了船舶通信入侵检测过程,加快了船舶通信入侵检测速度,提高了船舶通信入侵检测正确率,为船舶通信系统安全管理人员决策提供了有价值的参考依据,能够保证船舶通信系统的安全。