密度聚类方法在船舶航迹图谱挖掘中的应用研究

研究密度聚类方法在船舶航迹图谱挖掘中的应用。针对航迹点密度不均匀的特性,给出一种改进的密度聚类方法,即结合分类的基于弥散度的聚类算法。该方法采用弥散度作为相对密度的度量标准,根据其动态分布来确定核心点与边缘点,并使用KNN核密度估计方法对边缘集合分类。实验结果表明,本文所使用的密度聚类方法能够对船舶航迹进行有效聚类。     

一种网格 k-近邻集的边界点识别算法

为了高效识别聚类边界,根据边界周围区域存在密度差异的特征,提出了一种网格 k‐近邻集的边界识别算法（BGN ）。在网格空间中,该算法根据网格单元和它最近邻居单元的 k‐近邻集的质量及其单元间中心距离确定边界度,由边界度和边界阈值判断每个网格单元是否为边界单元或噪声单元。通过从边界单元中提取更靠边缘的数据作为边界点的方式,使得边界更精细。实验结果表明,该算法能有效和快速识别出多密度数据集的聚类边界和噪声。     

基于Nystr?m逼近聚类图像分割算法的研究

针对当前传统的图像分割方法存在计算过程复杂,执行效率不高的问题,论文引入图像分割、聚类分割理论作为研究的理论基础,通过构造图像的余弦相似度矩阵对图像进行预处理,在传统的谱聚类算法的基础上,通过谱分解求解特征值和对应的特征向量,建立并描述Nystr?m逼近聚类图像分割算法模型,利用聚类算法对样本集合进行聚类,得到图像的分割的结果。通过时效性和有效性的模型检验,得到该模型具有效率高、简单和模拟性好的结论。分别将模型用于货车发动机故障检测和车辆车牌识别的实际应用中,得到该模型在现实应用中皆能够发挥图像分割作用和意义。该文的研究为故障检测等交通领域,以及其他用于图像分割的领域打下了理论基础和实践依据。     

基于聚类的朴素贝叶斯分类无监督学习方法

为实现朴素贝叶斯分类模型的无监督学习,提出一种基于数据挖掘理论中聚类算法思想的学习方法。该方法首先定义不同类型单维状态分量的差异度量方法和混合型多维向量的联合差异度量方法,通过分析样本数据中向量之间的差异性进行聚类统计,得到研究对象的分类类别,然后对各单维状态分量分别聚类得到特征核值,进而确定不同类别各分量对应单维特征核值空间的概率隶属度。仿真实验结果表明,该方法能有效进行朴素贝叶斯分类学习。     

模糊聚类算法在舰船电气系统故障远程检测中的应用

依据模糊均值聚类故障检测原理,对舰船电气系统初始状态数据样本归一化后,构建舰船电气系统状态数据模糊相似矩阵,依据该矩阵分析系统状态数据亲疏度;利用亲疏度结果获取状态数据的最佳权值指数,并对状态数据样本进行加权处理,降低系统状态数据聚类稀疏度;将最佳权值指数赋予到状态数据中,同时更新模糊C-均值聚类目标函数.通过设置聚类...     

一种新的聚类算法在数据挖掘中的应用

说明聚类算法在数据挖掘中的作用,并结合实际数据的特点,采用一种新的模糊聚类算法.该算法在事先不知聚类数的情况下,能够确定聚类数及中心点.同时,能够消除噪声对于数据的影响,适合较大规模的数据,方便进一步的数据挖掘.对实际通信信号的实验结果表明该方法是实效的.     

基于近邻传播算法的高光谱波段选择

由于高光谱图像具有波段之间相关性高,信息冗余性强等特点,高光谱图像降维是高光谱图像预处理中的重要一步。波段选择在降维的同时能够保留原始数据的物理意义,在很多方面有着应用。近邻传播算法(Affinity PropagationClustering,AP)是Fray等在2007年提出的一种聚类方法。它将全部数据点看作潜在聚类中心,根据数据点之间的相关性进行聚类。论文提出一种基于AP聚类的波段选择方法,将小波变换引入聚类算法中相似度和偏好值的计算。将降维结果输入最小距离分类器进行分类,计算分类准确性,并通过数据集Indiana Pines验证,对比实验结果验证了论文提出方法的有效性。     

有限空间装配体选择性拆卸研究

在分析现有聚类拆卸方法的基础上,针对有限空间选择性拆卸的特点提出选择性拆卸中最小聚类零件集概念,并将无向图(产品结构网络图)和有向图(拆卸稳定图)相结合,给出求解有限空间中进行选择性拆卸时最小聚类零件集的算法,同时给出了有限空间寻找最优拆卸序列的方法。利用该算法对减速齿轮箱的选择性拆卸进行计算,结果表明,利用该算法得出的最小拆卸零件集进行聚类可以提高聚类计算效率。     

基于层次聚类的船舶建造分段运输日志分析

为提高生产效率,合理地对船舶建造过程中分段工序流程进行系统性的分析研究,采用层次聚类算法对2种不同船型的分段运输日志进行分析,得出各船型分段建造的典型工序流程类别。对数据预处理方式和不同数据点间距离的计算方法对层次聚类结果的影响进行讨论。此研究可对后续的分段工艺链路模型构建和优化方案制订提供重要的基础。     

基于聚类算法的舰船通信数据深度挖掘方法

传统挖掘方法无法考虑众多通信因素的多层次特征,造成数据挖掘效果不理想,为此设计一种基于聚类算法的舰船通信数据深度挖掘方法。利用聚类算法,对通信数据的多层次特征进行筛选,从而为通信数据的深度挖掘提供依据,结合聚类挖掘粗糙集,生成数据深度挖掘的关联规则并进行聚类计算,对每个通信数据执行交叉变换逻辑,实现舰船通信数据的深度挖掘。实验结果表明,利用聚类算法进行通信数据的深度挖掘,能够提高数据的挖掘速度,且准确率较传统方法高27.15%。     

一种基于小波变化的自适应阈值算法研究

雷达信号处理在整个雷达系统中一直都起着举足轻重的作用,同时也是雷达技术发展中最为活跃的部分。文章主要探讨小波变换在雷达视频压缩中的应用。针对雷达回波信号这些特点,提出了一种基于小波的自适应阈值方法进行雷达回波信号去噪处理,在保留雷达回波的前提下,降低了雷达数字视频的信息量,为雷达数字视频数据的编码打下了良好的基础。而在雷达图像处理中,嵌入式零树小波算法对雷达图像进行压缩取得了不错的效果。利用所提出的信号去噪方法对雷达视频数据进行预处理后在实时性传输方面具有很高的应用价值和前景。     

基于事件触发的无线传感器网络动态分簇

针对由目标事件激发的无线传感器网络动态分簇问题,提出了一种动态分簇协议。着重研究了簇头竞选,成员招募和簇重组等关键环节,在簇头竞选机制中,提出了一种综合考虑了节点接收信号强度,剩余能量以及与汇聚节点的距离等因素的竞选方案。在簇成员招募阶段,提出了一种基于任务需求的自适应簇范围划分方法,约束了簇的规模,降低了簇内通信的能耗。仿真结果表明：该协议能够有效地节省节点能量,延长网络寿命,尤其适用于汇聚节点距离网络较远的情况。     

改进AHP和灰色聚类在装备战损排序中的应用

针对武器装备系统战损的抢修排序问题,应用改进层次分析法（AHP）确定指标权重的同时,并提出了战损装备抢修排序的递阶层次结构模型;然后运用灰色聚类方法,构造评价函数,综合决策战损装备抢修排序。通过实例验证,将改进AHP与灰色聚类方法相结合,取得了较为满意的结果,为战场指挥员抢修决策提供帮助。     

基于层次分析和灰色聚类法的老龄导管架平台安全评估

为延长老龄导管架式海洋平台的使用寿命,对其进行安全评估具有重要意义.文章以渤海湾的一个老龄导管架平台为分析对象,建立了包含多重风险因素的安全评价指标体系,该体系包括三个层次:目标层,一级指标层,二级指标层.目标层包含3个一级指标:海洋环境,结构状态和人为因素.每个一级指标又分为3个二级指标.每个指标的权重通过层次分析法来计算以消除主观因素的影响.采用灰色聚类法定性和定量地评估导管架平台的失效风险.将风险评估标准分为5个等级,确定对应5个灰类的白化权函数.每个二级指标的灰色权向量由表上作业法计算得到.通过逐级计算,目标层的灰色评价值最终由灰色评价权向量单值化计算,灰色等级通过极大值原理确定.评价结果显示该老龄导管架平台失效风险等级是中等的.文中提出的安全评估方法是合理可行的.     

多信息融合技术在船舶动力装置故障诊断中的应用

船舶动力装置工作过程中会产生大量多域故障信号,通过收集、挖掘隐藏的关联信号,可以解决船舶动力装置在故障诊断中面临的诊断时长问题.文章采用K-均值聚类算法(K-means)对数据进行聚类,聚类结果输入BP神经网络进行模型训练,并在此基础上,设计了主成分分析法(PCA)对模型进行优化.结果 显示,2种算法都能有效降低网络诊...     

基于灰色熵权聚类决策的机械故障诊断

提出了基于灰色熵权聚类决策的机械故障诊断方法,运用信息熵思想确定了聚类指标的权值,运用SOM神经网络确定了各灰类区间的阀值,给出了相应的白化权函数,并用1个典型算例进行了验证,表明这种方法切实可行。     

基于模糊聚类分析的船体分段类型分类方法和应用研究

为提高现阶段船体分段制造过程的标准化水平,实现分段装配工序和工时的标准化,推动船体分段制造数字化发展,本文以船体分段作为分类成组的研究对象,应用模糊聚类分析方法,建立了模糊聚类分析模型,通过输入分段工艺生产数据信息,实现了对船体分段的定量化分类,验证结果表明,应用模糊聚类分析形成的分段族类符合实际工艺需求。     

基于模糊群组AHP的舰船装备保障部门绩效评估

引入模糊集理论,将传统AHP扩展为模糊群组AHP,并应用于舰船装备保障部门绩效评估。采用模糊Delph i法集成多个专家的意见,确定一级指标的三角形模糊数权重;用模糊语言变量来描述二级指标的模糊权重和满意度,结合层次集成的模糊算法得到绩效的三角模糊数评价;借助Lee-L i的模糊数排序方法,确定绩效评价值,从而得出其属性判定。算例表明该方法合理有效。     

Clustering and performance: the case of maritime clustering in The Netherlands

Over the last years, the concept of clustering has become a central concept for analysing the competitiveness of nations, industries and firms. The cluster concept can be usefully applied to study clustering of maritime activities. Maritime activities, such as shipping, shipbuilding and port and maritime services, are clearly geographically concentrated in a number of maritime clusters. Due to ongoing internationalization in these industries, the concentration of maritime activities in clusters is likely to increase. This observation leads to two important research questions: what are the advantages for firms to locate in clusters and what factors influence the development of maritime clusters? This study identifies four agglomeration economies that attract firms to cluster: a joint labour pool, a broad supplier and customer base, knowledge spillovers, and low transaction costs. Furthermore, it discusses the effects of aspects of the cluster structure, being the presence of internal competition, the heterogeneity of the cluster population, the entry and exit barriers, and the presence of (above mentioned) agglomeration effects. It also briefly discusses the important issue of cluster governance. This overview allows one to develop a theoretical framework to analyse clusters. In the empirical part, this framework is applied to the maritime cluster in The Netherlands. Based on empirical data, from surveys amongst firms in the maritime cluster, studies commissioned by the Dutch maritime Network and regional statistics, the presence of agglomeration economies in the cluster is shown. Secondly, it is shown that the cluster structure is beneficial for the performance. This paper finishes with conclusions and suggestions for further research.     

基于MATLAB的舰船辐射噪声信号小波消噪处理

针对舰船辐射噪声信号的特点提出了小波消噪的方法,对小波消噪理论作了简要的阐述,并设计了一种消噪方案,最后利用MATLAB,在计算机上选用不同的小波基和阈值进行了实船信号的消噪处理试验,并对结果进行了简单的分析比较。试验结果表明,在选择了合适的小波基和阈值的情况下,利用小波变换的方法对舰船辐射噪声进行消噪处理可以取得良好的效果。