粗糙集理论简介及其在电站行业中的应用潜力分析

介绍了粗糙集理论的基本概念，分析粗糙集理论的特点和发展趋势。首次将粗糙集理论引入到电站行业中，对于粗糙集理论在电站产品市场定位的决策分析、调压器的粗糙控制、产品设计的关联分析、设备故障诊断的粗糙集方法、维护知识挖掘等问题的应用潜力和应用途径进行了分析和研究。为传统的决策和控制问题提出了新的解决思路。     

舰船活动规律知识图谱分析系统研究

当代战争形态正向网络化、智能化、精确化发展,未来战场情报信息的分析与敌情规律挖掘对战争胜负的影响至关重要.针对舰船活动军事领域情报信息智能分析的迫切需求,研究面向军事垂直领域的外军舰船知识图谱构建及舰船活动规律挖掘与分析技术.基于信息挖掘技术,对舰船的历史信息进行时空及事件关联分析,形成面向外军舰船活动垂直领域情报信息...     

舰船多信道无线网络抗干扰算法设计

为提升舰船设备通信质量及稳定性,设计舰船多信道无线网络抗干扰算法。建立舰船多信道模型,获取舰船多信道网络信号,提取舰船多信道网络干扰信号特征、计算干扰信号特征数据邻域距离、可达距离和异常因子,从信号中挖掘干扰信号;改进小波阈值算法对舰船多信道无线网络干扰信号进行抑制,实现舰船多信道无线网络的抗干扰。实验结果表明：该算法应用后,舰船的多信道无线网络的频率变化稳定,抗干扰效果较好,可保证接收端完整接收发射端的信号。     

马来西亚碧桂园疏浚工程绞吸船施工工艺优化

马来西亚碧桂园疏浚项目具有工程土质复杂、存在干出泥面等特点,绞吸船在该工地施工时,容易出现堵管、流速波动幅度大、塌方闷口等一系列问题,严重影响船舶施工效率。为解决上述问题,通过研究绞吸船的挖掘控制手法、输送技术等,改变了挖掘分层方式、输送流速、输送浓度等施工参数,优化其施工工艺。工艺优化后,马来西亚碧桂园疏浚工程绞吸船施工时再未出现过塌方、堵管等问题,加快了施工进度,节约了施工成本。     

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。     

利用ChatGPT开展档案管理的前景展望

通过对ChatGPT定义、原理和应用领域的介绍,展望利用ChatGPT开展档案管理的前景。重点探讨了ChatGPT为档案管理者、档案查阅者和档案研究者带来的帮助,同时也指出了ChatGPT欠缺专业性、数据保密性差和与第三方工具结合困难的问题。最后提出档案人要紧跟新技术的发展,并将其运用到档案管理中,才能持续推进档案事业向前发展的观点。     

构建有效的客户知识管理系统

客户关系管理是关系营销全面实施的核心环节和驱动力量,其实施离不开知识管理的支持,搞好客户关系管理中的知识分类,建立客户知识的挖掘系统和客户知识管理体系,以此支持客户关系管理系统在企业的实际应用才能扩大客户核心知识的利用率,并提高客户对企业的满意度、忠诚度。     

基于文本挖掘的汽车用户需求分析

基于文本挖掘的用户需求分析能够从大量的在线用户评论中挖掘出用户的显性需求和潜在需求。在用户需求挖掘理论研究的基础上,对某汽车用户在线评论数据进行采集、预处理、词云图可视化分析以及关键词共现分析。结果表明：该款汽车在空间、动力、内饰、外观方面具有优势,在胎噪、油耗、车机方面有待优化。     

“网络中心战”攻防技术

文章分析了“网络中心战”发展现状和趋势,针对“网络中心战”的机理以及存在的一些薄弱环节进行了分析,并根据“网络中心战”自身的特点和发展的新动向,提出对“网络中心战”的防护及对抗措施。     

基于Apriori算法的船用物联网多来源数据深度挖掘方法

随着物联网技术的不断发展,物联网空间内的数据源开始呈现出多来源的性质。在此种性质作用下,传统数据挖掘方法无法更深层次的对数据进行挖掘,通过对数据来源的分析发现,Apriori算法能够有效地解决这一问题,因此提出基于Apriori算法的物联网多来源数据深度挖掘方法。通过对物联网内数据来源关系的分析、挖掘模型的建立、Apriori算法计算及Apriori算法挖掘执行4部分的描述,完成对提出方法的设计。最后,通过数据仿真实验来证明提出的方法能够满足物联网多来源数据深度挖掘的需要。