战斗机行为模式序列统计技术

特定的战斗机通常执行特定的作战任务,在特定的时刻表现出特定的行为模式,并执行由特定行为模式顺序构成的行为模式序列,这些行为模式序列可以用于对战场态势分析及目标意图识别的依据。论文基于数据挖掘中经典的Apriori算法,从目标行为序列记录中进行搜索和分析,找出符合条件的行为模式子序列,并以实例说明了统计的方法和过程。     

云计算平台在海上大数据挖掘模式中的应用研究

随着海上船舶信息处理平台所需处理的数据量越来越大,传统基于串行数据结构的数据挖掘算法只能针对某一类型的小规模数据,对海量且种类不一信息的处理效率已经越来越不能满足现代船舶电子信息系统的性能要求。云计算平台可以对海量信息进行分类,并将分类后的数据在分布的计算节点进行统一调度。本文研究了基于云计算平台的海量数据挖掘模型,并将数据挖掘模型中的分类算法与云计算进行有效结合,提高了海上大数据挖据的运行效率。     

基于变长系统调用序列模式的入侵检测方法研究

提出了一种变长序列模式的寻找算法,从训练序列中找出一组基本相对独立的变长序列模式,并在模式集的更新过程中自动定义了模式间的前后次序关系,以此构建了一个描述进程执行模式的DFA。针对已有基于变长序列模式的模式匹配算法需要向前预测若干个系统调用号的缺点,设计了一个更好的模式匹配算法。实验结果表明,算法在模式寻找过程中是稳定的,并在保持小规模模式集的情况下,取得了很低的误报率和漏报率。     

数据挖掘技术在舰载信息系统中的应用研究

数据库在舰载信息系统中使用的越来越多，从大量的数据中提取有价值的海战信息，是舰载信息系统追求的目标之一。而数据挖掘（DM）技术是知识发现KDD的一个关键步骤，将DM技术应用于舰载信息系统有着重要的现实意义。本文对典型的数据挖掘过程模型进行了介绍，阐述其组成结构及各部分主要功能，着重分析了该技术在舰载信息系统中的应用和目前应用该技术存在的问题。     

文本数据挖掘中的进化信息算法

在对基于海量文本数据信息的数据仓库进行数据挖掘过程中,产生出一类带有时态特征的进化信息,介绍了在文本数据仓库中进行数据挖掘和知识发现过程中的进化现象,定义了进化过程的数学模型,并对数据挖掘中进化过程模型的建立提出了相关规则。     

数据挖掘在船舶交通流特征提取中的研究

首先阐述利用数据挖掘进行数据分析的流程,并对每个步骤进行说明;然后利用数据挖掘提取和分析船舶交通量信息、AIS数据获取中的3个关键技术和交通量统计步骤;最后以青岛港为例进行指定时间段内船舶交通流特征提取,实验结果表明本文能高效、准确地挖掘出指定时间段内经过截面的船舶类型和长度分布。     

舰船电机控制系统中的不稳定数据挖掘方法研究

本文提出一种基于功率谱密度估计的舰船电机控制系统中的不稳定数据挖掘方法。对舰船电机控制系统中的不稳定数据进行信息与信号模型构建,对不稳定数据进行时域和频域分析与描述,在时频域中进行功率谱密度特征提取,实现对不稳定数据的经验模态分解和多分量幅度调制,增强功率谱密度特征对舰船电机控制系统中的不稳定数据的表征能力,提高数据挖掘性能。仿真结果表明,采用该算法能有效提高舰船电机控制系统不稳定数据挖掘精度,准确检测概率较高,在舰船电机控制系统的运行状态监测和故障诊断分析中具有较好的应用价值。     

从数据挖掘到知识发现

从数据库中发现知识是当今信息技术所面临的迫切问题之一。从知识发现的定义入手,论述了它的处理过程,介绍了几种常见的知识模式及其挖掘步骤。最后,提出了研制知识发现系统的初步构想,为读者进一步研究提供思路。     

数据挖掘在人力资源管理中的应用

描述了数据挖掘技术的基本原理及其过程,选择采用决策树分类方法,将决策树模型用于人力资源的挖掘系统中,获得了成功的应用.     

数据挖掘在美国本土安全中的应用

数据挖掘的出现是美国许多本土安全法案的重要特征之一。在本土安全的内涵中，数据挖掘通常被视为识别恐怖分子活动的一种潜在手段；它也可以通过交通和移民记录识别和跟踪个别恐怖分子。介绍了在美国本土安全中应用数据挖掘的两项工程，并预测了未来美国政府数据挖掘活动的发展趋势。     

时序数据挖掘中一种组合预测模型的研究

在时序数据的预测过程中有很多不确定的因素,用单一预测模型进行预测时,其预测精度不高.为了提高预测精度,在回归分析模型、指数平滑模型、灰色GM(1,1)模型三种单一预测模型的基础上,建立组合预测模型,并利用最小二乘法确定组合预测模型的权重.组合预测模型综合了各种预测模型提供的信息,能改善预测性能.该模型将更好的应用于时序数据挖掘.     

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.     

The research on signal-obtaining pattern for a new type of gyroscope

In this paper, a photoelectric signal obtained scheme via equator triangle pattern engraved on rotor is discussed and the mathematic model is deduced in the case which is deflexion between rotor axis and the coordinate frame of case. The deflexion error and coupling error under the situation are analyzed. Finally, three methods of engraving based on the spherical triangle pattern are presented. The error models of various methods are built up and the simulation curves are provided respectively. We have done the primary experiments on the surface of rotor using this method. It can be seen from the enlarged figures that the rim of the pattern is smooth and the demand of sensor resolution is satisfied by and large. The results of study supply reference for signal obtaining.     

空间数据挖掘及其在海洋地理信息系统中的应用

空间数据挖掘是数据挖掘中的一个重要门类,空间数据挖掘的意义是在空间数据库或数据仓库的支持下,提取、推理出未知、有价值、可利用的关系、模式或趋势,从而为决策系统提供支持。随着海洋测量技术和电子地图技术的持续发展,以及计算机存储容量的不断扩大,使得海洋地理信息系统中出现了海量数据,如何对这些数据进行有效利用,从而进一步发现价值,是当前海洋地理信息系统研究的主要课题之一。本文介绍空间数据挖掘技术的主要原则,分析空间数据挖掘的实际效果,并研究空间数据挖掘在海洋地理信息系统中的应用,为今后海洋地理信息系统的完善和提高提供依据。     

Data mining in sloshing experiment database and application of neural network for extreme load prediction

Database of the sloshing model test has been mined. More than 540 terabytes experimental data have been accumulated for various cargo holds, vessels, environmental conditions, operational conditions, and experimental conditions. The database was organized, cleaned, and analyzed for the floating units larger than standard size LNG carriers or LNG fueled vessels. The selected target data was used for the machine learning to predict the model test results from the test conditions. An artificial neural network has been developed. Many different types of parameters were scaled and transformed as the input attributes followed by the optimization of the hyperparameters and the architecture. The network predicted the test results that were not used in the training process. The prediction results were validated according to the changes in the environmental conditions, operational conditions, and model dimensions. The accuracy of the network was acceptable to be applicable to the designing perspective.     

基于HMM-SVR的船舶动力设备故障模式识别与状态预测研究

船舶动力设备因故障监测信号样本少、变化缓慢且数据特征呈非线性,使得设备故障模式的准确识别和状态预测比较难。鉴于此,文章研究了基于隐马尔科夫模型的故障模式识别方法,利用该模型将微弱变化的信号特征转换为变化较大的对数似然概率对故障模式实现有效识别。在此基础上进一步提出基于HMM-SVR的设备状态预测模型,将遗传算法用于支持向量回归模型参数寻优,并结合隐马尔科夫模型,实现对设备状态的预测。对船用柴油机进行仿真,结果表明上述模型具有较高的识别率,能准确预测船舶动力设备的当前状态。     

BT建设模式在沿海城市老港区搬迁中的应用探讨

分析了随着经济和社会发展,沿海港口城市建设在发展变迁中面临的主要问题,同时简要阐述了沿海城市老港区搬迁过程中传统搬迁模式及其主要问题;论述BT建设模式在解决老港区搬迁过程中的适用性,并结合国内相关的法律法规情况,对如何应用BT建设模式解决城市老港区搬迁问题进行探讨.     

长江口南支河势演变模式分析

20世纪70年代以来,长江口南支河势呈现出良好的规律性变化,形成了自身相对稳定的演变模式。这种演变模式的构成既与南支边界条件的改变密切相关,也受上游下泄水沙的影响。以历年地形和水沙资料为基础,详细分析南支沙体与沙体之间、沙体与主槽之间的演变规律及影响关系,阐述上游水沙变化和周边工程对南支河势演变进程的影响,并对南支河势的演变模式作探讨性概括。     

云计算物联网体系的数据挖掘模式设计

现代海洋运输及海上开发中基于物联网架构的信息系统应用越来越多,其各个应用信息处理中心平台呈现分布异构﹑动态的特性,处理的信息量呈指数增加。利用传统的数据挖掘模型及算法越来越不能满足各应用的时效性要求。云计算集分布式架构与并行计算于一体,在信息处理的速率及数据存储的容量方面都有了极大提高。本文在研究现有的云计算架构及数据挖掘技术的基础上,改造Apriori算法,提出一种基于云计算的高性能数据挖掘算法,并进行仿真。     

水声二维角估计中几种基阵的方向图比较

均匀圆阵、矩形面阵和十字阵是水声二维角估计中最常见的3种基阵阵形.在相同阵元数和目标方位参数的条件下,对这几种阵形方向图的相关技术指标进行了性能分析.仿真结果表明,均匀圆阵分辨力较高,矩形面阵空间增益最高.