大数据环境下构建汽车企业新的核心竞争力

<正>大数据的概念已经风靡全球数年,国内各类媒体包括中央电视台在内都进行了大量的宣传。那么大数据对汽车行业会带来哪些影响,在这样一个大数据的社会环境下汽车企业要如何抓住机遇建立基于大数据分析与挖掘的核心竞争力呢?本文对汽车企业关心的几个主题结合大数据的分析与挖掘应用进行简要分析。在汽车行业谈大数据首先就是车联网。车联网在为用户提供服务的过程中采集了大量的数据。而要为用户提供高价值的服务离不开大数据的分析与挖掘平台。车联网数据分析平台是以车联网的大数据为基础,对其进     

基于聚类算法的舰船通信数据深度挖掘方法

传统挖掘方法无法考虑众多通信因素的多层次特征,造成数据挖掘效果不理想,为此设计一种基于聚类算法的舰船通信数据深度挖掘方法。利用聚类算法,对通信数据的多层次特征进行筛选,从而为通信数据的深度挖掘提供依据,结合聚类挖掘粗糙集,生成数据深度挖掘的关联规则并进行聚类计算,对每个通信数据执行交叉变换逻辑,实现舰船通信数据的深度挖掘。实验结果表明,利用聚类算法进行通信数据的深度挖掘,能够提高数据的挖掘速度,且准确率较传统方法高27.15%。     

挖孔桩施工易出现的问题及解决方法

挖孔桩是用人工挖掘的方法成孔,然后放入钢筋笼．浇筑混凝土而成的桩。其主要优点是单桩承载力高,施工机具设备较简单,施工工艺操作简便．施工过程中对周围建筑物无影响．可多桩同时进行．施工速度快,节省设备费用。通过对某单位所完成的端承挖孔桩进行检测,我们发现有部分挖孔桩的承载力未达到设计要求。根据端承桩的承载机理：桩身强度大于地基承载力时．桩的承载力等于地基承载力;     

一种面向船舶制造的数据关联规则挖掘算法

针对船舶制造海量数据关联规则挖掘过程中,事务集占用空间过多导致挖掘效率较低的问题,提出一种基于局部敏感位图存储结构(locally sensitive hash bitmap,LBM)的LBM-Eclat算法。该算法结合了局部敏感哈希和位图2种数据结构,并可以根据存储数据量的变化动态调整内部数据存储结构。通过对比实验证明基于LBM的LBM-Eclat算法能够有效提升对密集型数据集的挖掘效率,同时减少挖掘过程中的空间消耗。     

疏浚绞刀挖掘粉土的产能与切削比能分析

不同的疏浚土质会影响绞吸挖泥船的绞刀产能，特别是密实度高、砂性较大、局部夹粉质黏土团块、混砂粒和黏粒的粉土，会造成绞刀挖掘困难。根据“天麒号”绞吸船挖掘稍密-密实粉土数据，进行挖掘产能与切削比能分析，建立了典型疏浚粉土特性指标、挖掘产能与切削比能的相关关系。结果表明，挖掘产能与粉土标准贯入击数存在二次多项式相关关系；切削比能与标准贯入击数存在指数关系。得出的生产率公式与实际工程监测数据吻合度较高，可为挖掘类似土质提供借鉴和参考。     

融合主成分分析与支持向量机的船舶异常行为识别方法

为解决船舶异常行为识别率低下的问题，综合考虑船舶属性和运动特征，提出了一种融合主成分分析和支持向量机的船舶异常行为识别方法。根据船舶作业过程对船舶行为模式进行划分，并明确船舶行为模式相关的船舶运动特征；进而以船舶自动识别系统数据为基础，运用主成分分析算法提取最具代表性的船舶运动特征；最后运用支持向量机算法对船舶异常行为进行识别。选取青岛港附近水域的船舶轨迹进行试验分析，结果表明：青岛港附近水域最具代表性的船舶运动特征共10个，总贡献率为84.40%;船舶异常行为识别结果的平均精确率和平均召回率分别为83%和84%,均优于对比模型。研究成果可以为船舶位置异常、轨迹异常、航速异常、航向异常等异常情况的智能发现和海事监管提供支撑。     

基于黏土挖掘的绞刀模型试验研究

针对我国疏浚技术基础理论研究落后，数值模拟绞刀挖掘黏土不准确等问题，通过理论研究、小规模试制的方法，制备了目标试验用黏土，并研制了一款适用于实验室使用的模型黏土绞刀。在此基础上开展了模型绞刀挖掘黏土的实验室研究，分析绞刀转速、横移速度、泥层厚度、前移距等工艺参数对挖掘试验泥浆浓度的影响规律。得出其选取原则：选择中等绞刀转速，适当降低横移速度，以及在确保桥架前端不阻碍横摆的条件下，优先选用增加前移距的方法提高挖掘断面面积。该研究成果可为黏土挖掘工艺参数的选取提供参考。