基于 Apriori 算法的海事事故中人为失误致因分析

海事事故主要是由人为失误引发的,人为失误又受个人因素、环境因素、船舶因素以及组织因素的影响。一般统计方法只能够初步识别引发海洋事故的人为失误行为,想要进一步建立人为失误和影响因素之间的关系比较困难。利用了数据挖掘中的关联规则技术建立模型,对人为失误与导致因素之间的关系进行分析。以国内外100份海事事故调查报告作为对象,研究出人为失误和环境因素之间的关系。实践表明,人为因素和环境因素是导致海事事故发生的重要因素。      

基于模型组合的铁路集装箱运量预测

根据铁路集装箱运量预测受到多因素影响以及非线性的特点,本文采用灰色关联分析法选取了影响集装箱运量的主要因素,提出了一种基于非线性灰色模型和神经网络模型组合的铁路集装箱运量预测方法. 该方法将非线性灰色预测模型的预测值作为输入,相应的实际集装箱货运量作为输出,建立了神经网络模型结构,并提出了相应的算法. 最后以实例分析了该模型的可行性和科学性. 实例分析表明：非线性灰色模型预测的最大误差为10.52％,而组合模型的预测误差最大为8.72％,说明文中提出的组合预测模型充分考虑了多指标的共同作用,灰色预测模型提供了较完善的输入数据,神经网络模型考虑了各主要指标的关联关系.     

咪唑安定对豚鼠噪声性聋的保护作用

目的 通过检测豚鼠血清中超氧化物歧化酶(SOD)活性、丙二醛(MDA)含量和耳蜗中活性氧含量研究咪唑安定对噪声性聋的保护作用.方法 雄性杂色豚鼠40只,随机分为正常对照组(C组)、咪唑安定组(M组)、生理盐水组(S组)和噪声性聋组(D组),每组10只.M组、S组和D组每天接触倍频程连续噪声(中心频率为4kHz,强度为100dB SPL)3h,连续3d.M组于噪声暴露前24h、即刻及噪声暴露中肌肉注射咪唑安定0.1mg/kg;S组在相同时间肌肉注射等量的生理盐水;D组为单纯接触噪声对照组.C组不接触噪声仅肌肉注射咪唑安定,注射时间及剂量与M组相同.所有动物均于噪声暴露前及暴露后立即检测听性脑干反应(ABR)阈值,在噪声暴露前和噪声暴露第3天处死前,取血测定血清中SOD活性、MDA含量,于第3天测完ABR阈值后,立即断头处死豚鼠,取出双侧耳蜗,测定其活性氧含量.结果 噪声暴露后,M组的ABR阈移(1.6±1.5)及活性氧含量[(291.10±2.30)u/mL]显著低于S组和D组[41.7±3.3,44.3±3.9;(348.52±3.60)u/mL,(315.56±6.70)u/mL, P<0.05].M组在噪声暴露后血清SOD活性下降、MDA含量升高,但其幅度明显小于S组和D组.结论 咪唑安定可减少噪声暴露后耳蜗中增多的活性氧含量,从而产生对噪声性耳蜗损伤的保护作用.     

具有离散时滞的非局部单物种种群模型的行波解

研究了一类具有离散时滞的非局部单物种种群模型的行波解的存在性,证明了当时滞充分小时,方程具有连接2个平衡点的单调行波解,得到了一些新的结果.     

基于决策属性的关联规则挖掘

针对具有决策属性的数据库模型,提出了高效挖掘关联规则算法,即矩阵划分算法:根据决策属性将扫描后的数据库划分成两个包含不同决策属性的矩阵,分别采用向量法挖掘频繁项目集.关联规则的生成可充分利用"与"运算的优点,查找规则前件或后件的支持度.所提出的算法减少了候选二项频集的生成,以及"与"运算的大小,与apriori算法及传统的向量法挖掘关联规则相比,效率明显提高.     

基于Hopfield神经网络的雷达多目标跟踪

针对海上船舶雷达在多目标跟踪过程中实时性较差和不能快速响应的问题,提出目前密集杂波情况下多目标跟踪中最为有效的数据关联算法——联合概率数据关联(Joint Probabilistic Data Association,JPDA)算法。为解决JPDA随着目标增多的情况会出现的组合"爆炸"及计算量较大导致跟踪实时性较差的问题,从分析联合概率数据关联确认矩阵着手,依据Hopfield神经网络在解决旅行商问题(Travelling Salesman Problem,TSP)时的思路,提出基于Hopfield神经网络联合概率数据关联(Hopfield Neural Network Joint Probability Data Association,H-JPDA)来改进联合概率数据关联算法,通过简化矩阵拆分过程,显著减少计算量,提高跟踪的实时性。基于上述改进的神经网络联合概率数据关联算法,通过MATLAB对多目标跟踪进行仿真,仿真结果表明该算法能提高跟踪的实时性和快速响应能力。     

地铁站域行为与空间的交互关联分析

当前城市与交通一体化发展迅速,大量地铁站域空间功能属性发生转换,站域空间无法满足使用者的行为活动。以地铁站域内空间要素作为交互客体对象,使用者行为活动作为交互主体对象,以苏州市广济南路站域作为调研案例,针对使用者行为活动进行全球定位系统(global positioning system,GPS)实时跟踪和行为注记,将数据导入地理信息系统(geographic information system,GIS)软件中实现数据可视化分析。通过分析使用者在地铁站域空间中的行为特征、空间特征及时间特征,探究二者交互过程中引发阶段和反馈阶段的影响因素,对行为活动与空间各要素之间的关联度进行分析。研究结果表明：地铁站域内行为与空间在交互过程中具有显著的关联性,相互之间的影响因素包括社会影响因素和物质影响因素,可为后续的理论应用和优化策略提供依据。     

基于决策属性的关联规则挖掘

针对具有决策属性的数据库模型,提出了高效挖掘关联规则算法,即矩阵划分算法:根据决策属性将扫描后的数据库划分成两个包含不同决策属性的矩阵,分别采用向量法挖掘频繁项目集.关联规则的生成可充分利用“与”运算的优点,查找规则前件或后件的支持度.所提出的算法减少了候选二项频集的生成,以及“与”运算的大小,与apriori算法及传统的向量法挖掘关联规则相比,效率明显提高.     

基于马尔可夫链蒙特卡洛方法的数据关联算法研究

数据关联是杂波环境下多目标跟踪问题的难点之一.文中提出了一种基于马尔可夫链蒙特卡洛(MCMC)方法的数据关联算法(MCMCDA),该算法通过在相应的关联事件空间中采样,可以有效地估计数据的边际关联概率,而且算法的估计精度可根据需要进行调节.仿真结果表明,在需要跟踪的目标数目较多,探测概率较低、杂波概率较高的情况下,JPDA算法因出现"组合爆炸"问题而难以在实际中应用;MCMCDA算法则能在保持较高估计精度的情况下降低计算负荷,从而能够较好地满足实时跟踪系统的要求.