基于关联规则的船舶故障数据自动分类方法

为了提高船舶故障诊断能力,需要进行故障数据的自动分类设计,提出基于关联规则的船舶故障数据自动分类方法。构建船舶故障数据的数据信息流模型,采用高维特征分组方法进行船舶故障数据的分组重构,采用分段线性检验方法进行船舶故障数据的统计特征分析,提取反映船舶故障类别属性的关联规则向量集,根据特征提取结果进行模糊聚类处理,实现船舶故障信息融合,结合自适应分组检测方法,实现船舶故障数据关联规则的自动分类。仿真结果表明,采用该方法进行船舶故障数据自动分类的自适应性较强,误分率较低,提高了船舶故障的诊断检测能力。     

基于互信息和贝叶斯网络的船舶碰撞风险预测研究

船舶碰撞事故对航行安全威胁严重,不仅会导致船舶、货物的损坏,还会对航道和水域环境造成污染,如果船上装载的石油、危化品等物质由于事故原因产生泄漏,更是会对临近水域及生态环境带来灾难性破坏。因此,对船舶(特别是危化品运输船舶)碰撞风险的预测和管理一直受到各界的重视。本文在全面分析船舶碰撞事故风险因素的基础上,利用互信息理论计算事故数据特征因素间互信息值,确定了各碰撞风险特征因素间的依赖关系,并最终建立了船舶碰撞险情的贝叶斯网络预测模型,以期为航运企业和航道管理单位的管理提供理论依据,从而减少船舶碰撞事故,保障我国航运业的安全、高效和绿色发展。     

生态型声屏障在高速公路建设中的研究与应用

高速公路的快速发展引起了严重的噪声污染,缺乏环保性和生态景观效果的传统声屏障不能满足当前绿色高速公路建设的要求,生态型声屏障的研究和建设迫在眉睫。本文总结了目前生态型声屏障的设计原则和分类,以及弧形、梯形、模块化等结构型式在高速公路中的应用。     

贝叶斯网络在船舶搁浅致因研究中的应用

我国作为一个海上运输最繁忙的国家之一,船舶交通事故也频频发生,其中船舶搁浅是船舶事故的一个重要方面。本文研究我国近10年间南海海域的船舶搁浅事故,抽取其中40起事故作为样本并提取相关信息,将船舶搁浅致因分类研究。利用贝叶斯网络的基本理论,建立起基于贝叶斯网络的船舶搁浅致因模型。该模型可用于对搁浅事故致因的概率分析和实际中事故发生概率的预测。     

基于流形理论的数据分类挖掘

数据挖掘技术应用于作战指挥挖掘系统,能为指挥员的决策分析提供智能化的、自动化的辅助手段。在分析数据挖掘问题中的分类算法的基础上,利用流形结构对分类算法进行了改进。从而避免全局线性对分类信息造成的丢失,保留完整的数据结构信息,在一般意义下完成针对数据集的各项任务。     

基于贝叶斯网的反潜直升机对潜艇的识别模型

快速准确地对潜艇进行的识别在航空反潜作战中是进行战场态势评估和战场决策的基础。通过搜索潜艇中提取搜索的特征信息,结合贝叶斯网络,使用了“两步”对潜艇目标进行识别,在此基础上进行了实例验证,其结果与事实相一致,显示了该方法的正确性和有效性。     

动态权重的数字化刻面分类模式研究

构件的分类与描述是构件库管理系统的核心。文章在研究经典刻面分类模式的基础上,提出了一种基于动态权重的数字化刻面分类模式。该模式通过原子术语数字化、动态权重的引入以及构件间相关度的定义,将构件的检索过程转化为n维空间中向量与矩阵的乘法。改进后的分类模式有效提高了构件检索时的查准率与检索效率。     

基于灰色关联分析的舰船目标分类识别

对舰船目标辐射噪声进行分析,提取其特征组成特征向量,基于灰色系统理论中的灰色关联分析方法,以灰色关联度为基本依据,能够明显区分不同类型和不同航速的舰船目标。     

基于贝叶斯网络的声呐系统战场损伤评估及修复模型

为了解决战场环境下的声呐系统损伤评估及修复（SSBDAR）问题,本文研究了战场损伤评估及修复模型。针对舰艇声呐系统战场损伤评估的因果推理特性,建立了基于贝叶斯网络的战场损伤评估模型,提出了基于贝叶斯网络的评估流程,给出了基于贝叶斯网络的评估决断算法。该模型利用贝叶斯网络对各评估修复节点进行分析,能够解决损伤信息不确定性,而且充分利用舰艇声呐系统各节点的损伤信息,提高了模型评估及修复效率,是解决舰艇声呐系统战场损伤评估及修复问题的一个有效途径。     

如何应对化学品分类协会检查

为了帮助散装化学品船舶船长和岸基管理人员更细致、更深入地了解化学品分类协会检查,介绍其背景,检查目的、要求和程序。通过分析某公司近年来20余条散装化学品船舶CDI检查结果,总结出CDI检查前的应做的准备工作、检查过程中具体应对措施,并给出了如何减少CDI检查中遗留的观察项的建议。