船舶碰撞事故数据关联挖掘研究

首先阐述关联数据挖掘过程;然后为了分析船舶碰撞事故发生的原因,从创建数据源、进行数据离散化等出发建立船舶碰撞事故数据关联挖掘模型;最后根据所建立的模型,从用户所关注的时间、管辖区、船舶参数等方面进行验证数据挖掘模型的有效性。     

航迹点搁浅风险数据关联规则挖掘方法研究

随着海上航线的不断增多与海洋水文环境的不断变化,许多航迹点已存在搁浅风险不适合船舶航行。因此需要通过数据挖掘的方法对风险航迹点进行运算分析,但是传统的数据挖掘方法无法对无关联的航迹点进行风险的数据关联,由此导致数据挖掘数据结果的准确率下降,数据挖掘面有效数据计算量降低。对此提出航迹点搁浅风险数据关联规则挖掘方法研究。通过对航迹点风险数据的假设建模与风险数据的模糊计算,得到风险数据的关联规则,再通过对风险数据关联规则的分类挖掘计算与加权挖掘数据分析,最终得到准确的航迹点搁浅风险数据关联规则的数据结果。最后,通过引入海上实例数据对提出的方法进行仿真测试,证明设计的可行性。     

基于关联规则的舰船故障数据定位挖掘算法

为了提高舰船故障检测能力,需要进行舰船故障数据的实时挖掘和分类分析,提出一种基于关联规则的舰船故障数据的定位挖掘方法。采用电磁探测器、水声换能器、声呐装置、声学传感器等设备进行不同工况下舰船数据采集,包括舰船辐射噪声、机械振动等数据,对采集的数据进行高维特征融合处理,提取舰船故障数据的关联规则特征量,对提取的特征量采用K均值算法进行聚类分析,并通过BP神经网络分类器实现舰船故障数据的分类识别,实现舰船故障数据定位挖掘。仿真结果表明,采用该方法进行舰船故障数据挖掘的准确性较好,对故障的定位能力较强,提高了舰船实时故障诊断能力。     

可聚焦的几种挖掘技术研究

介绍了几种有效的基于约束的关联规则挖掘技术，每种技术的提出针对不同的应用需求，试验证实了这些技术的有效性，此方面的各项研究都将为开发实用、有效的数据挖掘系统奠定基础。     

舰船机舱监控网络高维感知数据弱关联挖掘研究

舰船机舱监控网络高维感知数据主要包含正常状态数据与异常状态数据,其中异常状态数据规模较大,增加舰船机舱监控网络高维感知数据弱关联挖掘的难度,导致数据弱关联挖掘效率较低,为此设计一种舰船机舱监控网络高维感知数据弱关联挖掘方法。采集舰船机舱监控网络高维感知数据,计算采集到的数据点与数据点之间的紧密联系度,确定异常数据最合适的异常处理时间,在此基础上,对正常感知数据与异常感知数据特征相关性参数进行统计特征分析,对数据弱关联模糊值评估,完成舰船机舱监控网络高维感知数据弱关联挖掘。实验证明,在正常感知数据与异常感知数据弱关联挖掘上,此次设计的方法都比传统2种方法的挖掘效率高。     

基于关联规则的远洋舰船运行监控大数据挖掘方法

针对传统的远洋舰船运行监控大数据挖掘方法精准度低的情况,本文应用关联规则算法,对远洋舰船运行监控大数据挖掘方法进行设计。为了有效对舰船远行监控大数据挖掘,首先获取监控数据源,将数据存入到数据库中,在此基础上,对远洋舰船运行监控数据预处理,以此生成舰船运行监控大数据挖掘模型,完成了对运行监控大数据的挖掘,实验对比结果表明,本文设计的基于关联规则的远洋舰船运行监控大数据挖掘方法比传统的舰船运行监控大数据挖掘方法精准度高,具有一定的实际应用意义。     

关联规则挖掘技术在可靠性信息系统中的应用

介绍可靠性信息系统的原理和体系框架,将先进的数据挖掘技术应用于可靠性信息系统中,并以此作为可靠性管理和决策的依据,详细讨论一种具体的数据挖掘技术-关联规则挖掘技术的基本原理、流程和应用过程.     

基于改进Apriori算法的船用柴油机装配工艺文件关联规则挖掘研究

柴油机作为船舶关键部件之一,其装配工艺设计的合理与否与船舶的整体性能直接相关。针对企业历史装配工艺文件不能充分为新机型装配任务发布时装配工艺设计提供支撑的问题,提出一个基于关联规则挖掘的柴油机装配工艺规则挖掘系统,该系统充分利用已有装配工艺文件,结合数据挖掘技术,对文件进行挖掘分析,建立装配规则库,为后续装配工艺智能设计提供数据支持。本文提出一种改进的Apriori算法,建立了关联规则挖掘的数学模型和基于自定义词典装配工艺文件分词算法,将分词处理过后的文件可以作为数据挖掘算法的输入,并在传统Apriori算法的基础上提出一种改进的Apriori算法,该算法核心思想是在对候选频繁事务集剪枝时,降低算法的时间复杂度,从而提高挖掘效率直到获得柴油机装配工艺文件中的关联规则。最后以某船厂的历史机型柴油机气缸盖装配工艺文件为例,验证了改进Apriori算法在挖掘柴油装配工艺文件关联规则时的可行性和有效性。     

基于拓扑相似度的航迹关联算法

航迹关联是分布式多雷达数据融合系统中的关键问题,多个雷达对同一目标观测的局部航迹,在系统偏差的影响下相差很大,传统的基于统计和模糊的思想,通过目标位置、速度等信息进行关联判决,难以达到更好的关联效果。文章基于目标之间的拓扑信息,提出了一种新的航迹关联算法,该算法能避免空间划分不均匀、算法经验性太强、对密集航迹场景不适应等多种问题。仿真实验表明该方法具有较高的关联精度和鲁棒性。     

基于灰色综合关联理论的电力系统故障诊断方法

为提高电力系统故障诊断的准确性,采用基于灰色综合关联理论的电力系统故障诊断方法,首先建立包括保护、断路器拒动情况下元件-（保护-断路器）分层逻辑关联规则;在识别出故障区域的基础上,将故障信息按逻辑关联规则进行分类,利用灰色综合关联理论对告警信息与标准告警信息进行对比,并运用相似度算法筛选判断结果中的矛盾项,最终得出故障诊断结果,识别出保护和断路器拒动、误动的情况,并将告警信息纠错和复原.     

Association rule learning to improve deficiency inspection in port state control

ABSTRACT

The inspection of foreign ships in national ports is a critical measure in port state control (PSC), preventing substandard ships from entering national ports. Multifarious inspection items, limited inspection time and inspector manpower are challenging PSC inspection. This research applies data mining to analyze historical PSC inspection records in Taiwan’s major ports to extract potential valuable information for PSC onboard inspections. Using the Apriori Algorithm, the analysis identifies many useful association rules among PSC deficiencies in terms of specific ship characteristics, such as ship types, societies, and flags. The general rules identified show that the items ‘Water/Weathertight conditions’ and ‘Fire safety’ are significantly related. Besides, in the analysis of the various ship types, several different rules are found. After comparing the analysis of ship types and ship societies, it can be observed that the association rules for specific ship types, such as oil tankers, have a better effect than those for individual ship societies do. These identified rules can not only help inspectors effectively spot the associated deficiencies, but also improve the efficiency of PSC inspection. The ports other than Taiwan’s ports can apply a similar analysis method to identify corresponding association rules suitable for their own inspections.     

基于模糊层次数值型数据库发现一般化模糊关联规则

关联规则发现是数据挖掘研究领域中的重要内容之一,而以自然语言描述的模糊关联规则更符合人类的思维方式,在决策中占据重要作用。基于属性间通常还存着更高层次的抽象,即呈现出层次结构尤其是模糊层次结构这一事实,通过把经典的模糊理论与关联规则发现算法相结合,提出了在模糊层次结构下从数值型数据库中挖掘一般化模糊关联规则的相应算法。     

一种基于视线距离的改进的数据关联算法

基于视线距离的数据关联算法,利用关联组合的平均视线距离和有效传感器个数来计算关联代价,认为同一个目标只要被超过2/3的传感器所观测到,所得关联组合就是有效的,并以关联代价最小为关联准则构建数据关联算法。仿真结果表明,改进算法对于漏检、观测误差较大时仍然具有很高的关联正确率,证明了该算法的有效性。     

DBSCAN算法在通信电台关联上的应用

文章主要探讨DBSCAN算法用于通信侦察信息融合系统中的通信电台关联的方法,并给出典型的应用实例。实践表明DBSCAN算法在数据融合领域具有重要的应用价值。     

基于相关性精简关联规则生成算法

针对传统基于支持度-置信度桩架关联规则挖掘算法生成规则只考虑支持度和置信度的因素、没有考虑规则两者本身内在的关系并因此产生大量无效的规则的情况,提出了一种采用相关性精简关联规则产生的算法,此算法增加了一个度量——相关性来精简关联规则的产生。实验表明该算法在继承传统算法的优点的同时在一定的程度上提高了规则的有效性,降低规则冗余。     

编队协同作战中的数据关联技术研究

介绍了编队协同作战系统及其功能,分析了该系统的关键技术之一—数据关联,分析了当前主要的数据关联算法,并指出了其未来发展趋势。     

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。     

一种抗差型航迹关联算法研究

航迹关联是多源信息融合中的关键问题.通过选择目标数据相似度计算模型和参数,计算不同信源航迹与航迹间的关联相似度,并以之构成目标关联矩阵.引入伪行列式的概念,对目标关联矩阵进行变换,形成目标联合分配矩阵.在分配限定条件下,通过最大化目标联合分配似然度,可得到航迹与航迹间的关联匹配对,实现航迹关联.仿真实验表明,在信源具有较大的系统误差情况下,该算法能够保持较高的关联正确率,表现出了良好的抗差特性.     

基于目标拓扑参照图的雷达航迹抗差关联方法

针对雷达系统偏差影响下数据关联容易错误的问题,提出一种基于目标拓扑参照图的数据抗差关联新方法,该方法首先将目标进行聚类减少关联复杂度,再对聚类目标拓扑参照图经过平移、旋转和尺度等变换进行关联匹配,达到目标关联一致性的目的。仿真结果表明了该方法具有较高的关联精度和鲁棒性。     

Risk assessment of inland waterborne transportation using data mining

ABSTRACT

China has constructed a relatively complete inland waterborne transportation system. However, the frequent occurrence of inland water accidents with serious consequences, like the catastrophic Orient Star shipwreck, is an urgent unsolved problem. To reduce such accidents in the future and improve inland waterborne transportation safety, this study uses data mining, mainly containing text mining and association rule mining to risk assess China’s inland waterborne transportation, rather than the traditional quantitative risk assessment model. Text mining enables the risk factors to be objectively identified and distilled from accident reports. The potential relationships between risk variables are explored using association rule mining, based on the FP-Growth algorithm. The results reveal the essential problem facing China’s inland waterborne transportation system: frequent and varied ship accidents; key risk factors include overloading or improper loading, poor navigation visibility, inadequate sailor competence, and insufficient government supervision of shipowners and shipping companies. Combining the actual circumstances of inland waterborne transportation operations, this study proposes relevant recommendations for governments and relevant supervisory departments. The integrated application of text mining and association rule mining serves to avoid uncertainty and subjectivity, and achieve good results proving their scientific nature as a feasible method in water transportation risk research.