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。     

Identifying Proper Names Based on Association Analysis

The issue of proper names recognition in Chinese text was discussed. An automatic approach based on association analysis to extract rules from corpus was presented. The method tries to discover rules relevant to external evidence by association analysis, without additional manual effort. These rules can be used to recognize the proper nouns in Chinese texts. The experimental result shows that our method is practical in some applications. Moreover, the method is language independent.     

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。     

基于生成式摘要模型和知识蒸馏算法的铁路调度命令解析算法研究

随着铁路信息化的发展，利用算法自动解析大量铁路调度命令（简称:调令）的重要性日益凸显。文章提出了一种基于生成式摘要模型和知识蒸馏算法的铁路调令解析算法，该算法利用生成式摘要模型端到端解析铁路调令，拥有较高的精度和较强的鲁棒性，适应写法多样的调令。采用知识蒸馏算法等多种轻量化策略，设计了新的损失函数和多种模型初始化策略，精简模型尺寸，提升算法速度。该算法在铁路调令数据集上取得了21.6342的Rouge-2分数，推理时间达103 ms，为铁路调令解析技术在铁路场景中的部署提供了参考。     

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。     

基于N-Gram的改进预训练文本编码器

预训练文本编码器常以较短的文本组合为单位进行处理，但是较小的文本粒度会导致字、词之间的联系信息丢失，影响编码器的泛化能力和性能，尤其在中文处理中，意义以词而不是单字的形式体现的情况下，对于词的分割和长短的把握尤为重要。本文对基于Transformer模型的双向编码模型（BERT）进行了改进，提出了一种基于N-Gram增强的预训练文本编码器模型。测试表明，本方法在中文分词、词性标记命名体识别的任务中表现均优于BERT，且对训练样本大小依赖较低。