一种改进的快速压缩跟踪算法

为研究目标跟踪问题,构造多种不同尺度的滤波器对目标进行滤波,生成目标高维特征;利用符合有限等距性质要求的稀疏矩阵对高维特征进行采样,获得目标低维特征.采用朴素贝叶斯分类器输出与Bhattacharyya系数乘积的形式作为目标与候选目标之间的相似性度量,并选择最大值所对应的候选目标作为下一帧中的目标.文中提出了一种改进的快速压缩跟踪算法.实验表明,该改进的算法能够对目标进行有效跟踪.     

浅谈精益生产管理

从精益生产的核心、原则、作用、优势、目标等五个方面,论述精益生产管理能使企业提高生产,降低成本的先进概念。     

海事管理机构加强目标管理的必要性分析和建议

加强目标管理有利于海事机构进一步提升管理效能,满足海事队伍“四化”建设需要。在分析海事机构加强目标管理的必要性基础上,提出了设定目标的注意事项和目标管理中的常见问题,建议海事机构持续完善目标管理制度、逐步提高目标管理意识、不断强化目标管理引导作用,可为海事机构提升海事管理水平和管理效能提供参考。     

斜拉桥损伤诊断有限元建模与数据提取方法研究

为便于斜拉桥损伤诊断的快速建模和分析,在已有研究方法基础上,基于ABAQUS有限元软件提供的PYTHON语言接口和GUI程序,提出了一种斜拉桥有限元建模与数据提取的方法。利用RSG构造器和调用Mdb对象中Part与Assembly对象编写程序,提出批量和点选相结合交互生成空间三维钢筋、预应力钢筋和斜拉索的方法;利用RSG构造器和调用Odb数据库中模型数据与结果数据的对象编写程序,提出点选、节点或单元集及编号3种形式相结合提取Odb数据库静力与动力瞬态响应数据到Excel表格的方法。通过算例展示了所提出方法的应用过程,表明了所提出方法的实用与高效。     

企业集团档案工作新途径

企业集团是由多个子公司、分公司组成的大型经济联合体。档案工作是企业集团管理的重要组成部分,为企业集团完成生产经营目标和实现管理职能提供各种资料和前提条件。企业的深化改革,给传统的企业档案管理模式带来了很大的冲击,出现了很多新情况和新问题。我们要以《档案法》、《档案法实施办法》、《国有企业资产与产权变动档案处置暂行办法》为依据,积极探索新形势下企业集团档案管理新模式,总结出切实可行的好经验、好办法,使企业集团的档案管理更加制度化、规范化、标准化,从而保证档案工作顺利进行。     

高速公路异常事件检测中的目标检测和主体识别算法

针对高速公路监控中心需要轮询查看大量视频的繁琐任务及人员消耗,文章提出了基于人工智能计算机视觉的高速公路事件检测方法。该方法针对传统检测无法判断事件主体是否为工程养护车辆和工作人员的情况,制作了工程养护车辆和工作人员的数据集,采用yolox网络结构作为基础,在网络结构中增加目标识别头,同时对人和车辆进行检测和识别。经实际应用后表明,该方法检测效果优于对比组,可有效检测和识别社会车辆和工程养护车辆、普通行人和工作人员。     

基于多装船机的散货船智能装载

对散货船使用多装船机进行装载作业的情况,建立以最高装载效率、最佳纵倾和最小化船舶最大静水弯矩值为目标,以浮态、稳性和结构强度为约束条件的散货船智能装载数学模型,使用改进的多目标遗传算法进行求解,得到优化后的Pareto解集,结果表明:该算法能够有效求得该问题的优化解,在实际应用方面具有一定的可行性.     

“双碳”目标下航运企业碳减排的三方演化博弈分析

目前水路运输碳减排的演化博弈研究主要聚焦于企业和政府之间,忽视了市场消费者在碳排放减少过程中的影响力。从市场消费者视角出发,引入货主为博弈主体,研究航运企业、政府监管部门及货主的三方博弈过程,可以更全面的揭示航运业碳排放的博弈路径。为平衡航运企业、政府监管部门及货主三方在碳减排过程中的利益冲突,基于演化博弈理论,设定行为主体的行为集、概率组合及博弈行为等相关参数,构建航运公司、政府监管部门及货主之间的三方演化博弈模型及动态复制方程。运用MATLAB仿真工具,求解该模型的12个平衡点,并对平衡点的局部稳定性进行系统分析。通过对三方博弈主体之间的相互作用及演化过程进行数值模拟与仿真分析,研究演化过程中的干扰因素和机制,探讨得出各参数对系统演化结果产生的影响。仿真结果表明：(1)随着低碳航运技术所产生的收益明显超越传统技术,政府开始采取更加主动的监管策略;(2)演化博弈过程中,各参与者的策略选择与其初始策略选择的概率密切相关,表明初始策略在策略演化中起到关键引导作用;(3)货主在政府和航运企业的双重影响下,成为推动航运业碳减排的关键因素;(4)航运企业对新技术研发的态度与其收益及政府补贴有关...     

多特征点驱动的船舶轨迹聚类方法

轨迹聚类在船舶行为分析与海事监管等领域发挥着重要作用。船舶轨迹存在长度与采样率不一致、结构差异明显等特点,在大范围水域难以实现大量船舶轨迹的高精度与快速聚类。针对该问题,在利用船舶自动识别系统获取海量船舶历史航行数据的基础上,提取与船舶航行行为、船舶交通密度相关的位置特征点,进而提出了多特征点驱动的船舶轨迹聚类方法。针对船舶航行时在大多数情形下具有保向、保速的特点,采用数据压缩的方法捕获船舶航行状态以及船舶航向发生显著变化的轨迹点,作为船舶轨迹结构特征点;针对目标水域中某些特定区域常存在船舶交叉会遇的情形,利用概率密度估计法分析船舶交通流的空间分布特点,并提取船舶会遇局面下的轨迹点,作为船舶交通流特征点;为剔除2类特征点中的异常值,采用密度聚类算法对特征点进行聚类,进一步提高特征点提取的可靠性,并将聚类结果中每类特征点的中心作为代表性特征点;统计途经代表性特征点的船舶轨迹分布情况,将具有相似分布的船舶轨迹视为同一类。实验结果表明：相比于常用的K-medoids聚类、层次聚类、谱聚类和DBSCAN等方法,提出的轨迹聚类方法在成山头水域、长江口南槽水域及舟山水域等典型区域均可获得优异的聚类...