船舶安全事故典型案例分析与研究

挖掘船舶事故案例数据对提升船舶安全,实现规避事故具有重大的价值与意义.对近十年船舶安全事故案例进行研究,阐述典型事故案例的背景概况,采用事故发生流程图对事故产生的原因进行分析.统计分析这些安全事故的船舶类型、事故类型等,同时由船舶安全事故案例引发对船舶安全影响因素的探讨.提出在船舶技术方面采用智能决策辅助的方式降低事故发生率,分析研究新规范对船舶安全的影响,以及船舶事故案例数据的应用价值.     

基于差异时效的服务评价模型

针对KNN(k-nearest neighbor)方法在服务评价过程中存在的时效量化、评价窗口宽度以及反馈控制等问题,提出了具有差异时效的服务评价模型(WSEM-VTU).在WSEM-VTU中,采用系统动力学方法研究复杂时效量化方法,以获得差异时效量化结果;基于复杂时效量化方法得到的结果,自适应计算评价窗口宽度;根据评价统计特征,设计恶意评价反馈控制策略.通过实验,将WSEM-VTU与现有评价模型WSEM-E及WSEM-KNN进行比较,结果表明:WSEM-VTU的平均误差为0.877,比WSEM-E和WSEM-KNN分别降低了1.020和0.135;引入反馈控制策略后,WSEM-VTU出现恶意评价的情况平均降低67%.     

基于九宫格的累进LOD地形绘制算法

为减少地形绘制中地形分割与视点中心块分割的次数,提高绘制效率,提出了九宫格地形快速绘制算法.利用九宫格的特性建立地面多分辨率"块"结构,将每次分辨率变换都集中在周围8格中,使地形分割与视点中心块分割合并为1次;九宫格分层结构使多分辨率模型中模型细节的处理和绘制三角形的个数以17/81的倍率递减,提高了运算速度.提出了边界裂缝消除算法,以修正多分辨率模型产生的裂缝,并对九宫格算法进行了性能分析和误差评估.实验结果表明,当分层数为3时,该算法在保持视觉效果的同时,比四叉树算法的绘制效率提高约14.7倍.     

指控系统中的数据融合与人工神经网络

本文研究了数据融合模型,分析了数据融合的方法,说明了数据融合在指控系统中的作用,最后对人工神经网络技术应用于数据融合作了初步探讨。     

基于粗约简的数据流增量聚类算法

针对数据流聚类算法CluStream需预先指定微聚类数目无法准确描述数据流的变化,进而影响最终聚类结果的缺陷,提出了基于粗约简的数据流增量聚类算法RICStream(rough incremental clustering stream).该算法在保证聚类精度的前提下,对参与聚类的数据流属性进行动态调整,有效地减少了聚类时间和计算量.提出了一种可增量调整的网格结构以存储数据流,保证了聚类结果能有效反映数据流的变化情况.基于真实数据集和仿真数据集的实验结果表明,RICStream算法具有较高的效率和聚类精度.