关联规则在船舶变压器故障诊断中的应用

船舶变压器是船舶电力系统的主要组成部分,能够影响船舶安全行驶。本文着重研究关联规则在船舶变压器故障诊断中的应用,从关联规则挖掘、知识库存储以及规则聚类等方面详细的阐述基于关联规则的数据挖掘的实现过程,最后将本文算法应用于变压器故障诊断的仿真实验中。实验结果表明,本算法准确率高、可靠性强。     

基于关联规则的作战数据挖掘

利用关联规则中的Apriori算法,通过设置最小支持度和最小置信度对大量数据进行挖掘,从而发现作战数据中各种因素间潜在的有价值的关系,最后对产生规则进行了验证和分析.结果表明该方法可行,对指导部队各项工作有一定的重要意义.     

舰艇装备故障诊断专家系统设计

该文对专家系统的基本原理作了阐述,并在综合前人研究的基础上提出了一种为较简单可行的舰艇装备故障诊断专家系统建立方法,从应用角度对舰艇装备故障诊断专家系统进行了设计,最后对在当前条件下建立舰艇装备故障诊断专家系统的难点,解决途径以及发展展望作了说明。     

关联规则在舰船供电系统故障诊断中的应用

为了能够对电力系统故障做到有效预警与诊断,本文提出一种基于关联规则的故障诊断算法,该算法能够从电力系统细微的信号变化中识别出故障之间的联系,并结合舰船实际运行状态对故障的诊断给出最优解。仿真结果表明,此算法的故障诊断能力突出,应用前景良好。     

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。     

经典关联规则算法透析

本文阐述数据挖掘中关联算法的概念、基本原理及分类,详尽地探讨了Apriori算法的核心思想的基础上指出该算法的不足,并提出优化方法。     

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。     

基于神经网络的舰艇指控系统故障诊断专家系统

针对舰艇指控系统设备故障的复杂性、多样性,采用神经网络和专家系统相结合的方法,构建了舰艇指控系统故障诊断系统,阐述了该系统的基本结构,以及知识库、推理机和解释机的实现方法。较好地解决了舰艇指控系统故障诊断问题。为舰艇指控系统故障诊断提出了一种新的途径。     

隐私保护关联规则挖掘算法AOPAM的改进

随着大数据时代的来临,数据挖掘过程中的隐私泄露给数据挖掘工作者带来了很多问题和挑战.在数据挖掘过程中,如何在保护敏感信息的同时,高效地挖掘出符合精确度的结果,是隐私保护数据挖掘领域的热点问题.文中首先介绍了AOPAM隐私保护关联规则挖掘算法,通过分析该算法的缺陷和不足,引入了递推和分治策略,提出了一种新的改进算法.通过利用已知项求解未知项的思维,简化了高阶矩阵的求逆运算,有效减少了数据库的扫描次数,降低了AOPAM算法在计算重构项集支持度时的时间复杂度.实验表明,以同类型数据测试,与原算法相比,改进后算法在运行时间效率上得到了有效提高.     

模糊关联规则在西甲联赛中的运用

针对数据挖掘中的“尖锐边界”问题,阐述了模糊关联规则挖掘技术,提出了在模糊关联规则的挖掘中将事务属性模糊集中的元素作为单一属性来处理的方法,给出了模糊关联规则挖掘的算法。最后以西班牙足球甲级联赛分析为例,描述了模糊关联规则挖掘的具体应用。     

基于船舶碰撞事故调查报告的人的因素数据挖掘

船舶碰撞事故发生率居高不下与人为失误有关，而人为失误的发生又受到包括个人因素、环境因素、船舶因素以及组织因素的影响。根据一般的事故统计数据能够初步识别出引发碰撞的人为失误行为，但要进一步建立影响因素与人为失误之间的对应关系却一直是令研究人员困惑的事情。一方面是因为缺少数据，另一方面是缺少方法。我们在收集100个碰撞事故调查报告的基础上，利用数据挖掘技术中的关联规则对人为失误与其影响因素之间的关系进行了挖掘，初步确定了船舶避碰过程中人为失误与引发因素之间的对应关系。     

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。     

数据挖掘技术在舰船机舱概念设计中的应用

数据挖掘技术代表了数据处理和知识创新的一种新方向。本文通过分析舰船机舱概念设计的原理及方法，讨论了数据挖掘技术如何应用于计算机辅助概念设计系统中，并分析了相关关键技术。     

数据挖掘技术在乳化器故障诊断中的应用

决策树是一个类似于流程图的树结构,主要用途是提取分类规则,进行分类预测。该文针对乳化炸药生产过程中的乳化器维护面临的实际问题,提出了用决策树算法对反映设备状态属性的数据进行挖掘,发现故障数据中存在的规律,并以规则的形式表现出来,从而为乳化器的维护提供决策信息。结果表明,采用决策树方法所得出的规则是正确的,并能正确用于故障的分类工作。     

GPS船舶试航(报告)数据后处理系统

采用GPS技术进行船舶试航是一项为船东、船厂普遍欢迎的技术 ,在研制和完善GPS船舶试航实时数据采集系统的基础上 ,本文探讨一种实用的船舶试航 (报告 )数据后处理系统 ,以期提供信息量较大、且方便对船舶性能和试航过程进行深入分析的试航报告。     

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。     

船舶动力装置故障诊断专家系统

详细叙述了船舶动力装置故障诊断专家系统的设计过程和特点.将成熟的数据库技术引入到系统中,即以Access2000数据库为平台,构建系统知识库.推理机是以基于可信度的不确定推理模型设计的,系统的运行更加接近专家的思维,也更能反映实际的设备故障环境.采用回溯和启发式搜索策略,可找出故障的多个原因,减少了搜索的路径.系统还能向用户提供维修建议和方法,同时能准确给出故障的位置.     

基于人工神经网络的故障诊断技术在船舶导航系统中的应用

应用对向传播神经网络对船舶导航系统的测姿故障进行检测与诊断，得到了较为满意的结果。研究表明，该网络结构简单，学习速度快，适应性广，可以对船舶导航系统的传感器故障进行检测与诊断。     

基于VDR回放数据的船舶碰撞过程仿真系统的设计

应用开发船用航行数据记录仪(VDR)，在将其作为新数据源的基础上，提出了一种基于VDR回放数据的船舶碰撞过程仿真系统的设计方案，并对系统的结构和所采用的主要技术进行了详细的介绍。     

基于多Agent的船舶电力系统故障诊断系统设计

在对多Agent技术和船舶电力系统故障诊断系统相关技术进行研究的基础上,设计出基于多Agent技术的船舶电力系统故障诊断系统,阐述了该系统的特点、分类、功能、结构,并就其诊断信息的交互过程做了详细的介绍。文中设计的船舶电力系统故障诊断系统能充分利用已有的诊断资源,提高故障诊断的效率,便于构造大型船舶电力系统故障诊断系统。