基于卷积神经网络的舰船图像类型识别

舰船图像类型识别是计算机视觉领域研究的热点,当前舰船图像类型识别方法存在误识率高、识别时间长等不足,为获得更优的舰船图像类型识别结果,提出基于卷积神经网络的舰船图像类型识别方法。首先提取舰船图像,对其进行增强、去噪、过滤处理,提升舰船图像质量,然后从舰船图像中提取识别特征,将其作为卷积神经网络的输入,舰船图像类型识别作为卷积神经网络的输出,建立舰船图像类型识别分类器,最后采用Matlab2017对5种类型的舰船图像进行仿真测试,卷积神经网络的舰船图像类型识别正确率超过95%,舰船图像类型的误识率和漏识别均低于5%,获得了理想的舰船图像类型识别结果,而且舰船图像类型识别性能远高于其他舰船图像类型识别方法,具有十分广泛的前景。     

波罗的海干散货运价指数演变机壁

利用基础分析法研究了波罗的海干散货运价指数(BDI)的演变机理，期望在研究航运期权定价模型、利用运费期权规避航运风险方面有一定的借鉴和指导作用。     

关联规则挖掘算法

本文提出了数据挖掘中的时间余度、空间余度、时空复杂度和用户期望满意度等概念,并对它们进行了量化定义;给出了基于上述概念的关联规则挖掘算法AACE;针对算法进行了实验,证明了算法的有用性和应用价值。     

关注安全关爱生命

汽车安全，可以说是造就和谐社会一项因素，人类的最大愿望，不仅是获得时空的自由，而且要获得生命时空的自由，这就是对汽车工业提出更高的期望和信息.     

产业集群企业人群行为的博弈分析

产业集群的形成和成长是集群外企业不断人群的过程，企业人群的行为是一种博弈决策。文中运用博弈理论、期望理论和效用理论的基本原理，以效用期望投资收益为依据，构建出企业人群的两类博弈模型：基于期望投资收益和具有偏好性的企业人群博弈模型，推导出企业人群的集群临界欢迎概率函数。描述了集群市场对企业人群行为欢迎概率的影响因素、构成模型和变化趋势。指出企业人群的偏好性对产业集群欢迎程度的具有很大的弹性。     

不平衡当中的期望

去年跨太平洋集装箱贸易出口增长,JOC和PIERS公司预测今年进口将跟上出口收益。美国至亚洲西行贸易增长速度超过2011年东行贸易,推动装运港出口速度快于进口速度。但几乎没有什么可以吹嘘的,即使是对出口贸易来说。     

基于线性路径跟踪控制的换道避撞控制策略研究

为实现车辆自主避撞,改善道路交通安全状况,提出一种基于线性路径跟踪控制的换道避撞控制策略。为实时确定制动和换道时机,获取跟车状态下自车和前车车速、加速度、相对距离以及驾驶人制动反应时间计算制动安全距离和换道安全距离,并在此基础上分别引入制动危险系数B和换道危险系数S评估制动与换道风险,使得车辆发生追尾碰撞的危险程度和主动干预阈值更直观。根据车辆期望横向加速度和期望横向位移的变化特性,采用5次多项式法规划符合驾驶人换道避撞特性的避撞路径。为保证换道避撞过程中驾驶人的安全舒适,采用最大横向加速度约束换道避撞轨迹。为实现对换道避撞路径的线性跟踪控制,保证车辆的操纵稳定性和横摆稳定性,基于车辆稳态动力学模型建立前馈控制,结合线性反馈控制消除换道路径的位置和横摆角偏差,修正参考路径实现直车道场景追尾避撞控制。仿真和实车交叉验证试验表明：根据车辆期望横向加速度和期望横向位移建立的符合驾驶人换道避撞特性的五次多项式换道路径与驾驶人实际换道避撞路径基本吻合,结合碰撞时间和车间时距的制动避撞控制策略能够在保证车辆行驶安全舒适性的同时有效避免车辆追尾碰撞,减少交通事故的发生。     

支持向量机增量学习算法研究

给出了使用多支持向量机进行增量学习的算法．传统的支持向量机不具有增量学习性能，而常用的增量学习方法各具有不同的优缺点，基于固定划分和过间隔技术，提出了使用多支持向量机进行增量学习的算法；使用此算法，针对标准数据集BUPA及用NDC生成的数据集OUTTRAIN进行了实验，结果表明，使用单一的支持向量机进行增量学习，不论采用过间隔还是固定划分技术，其增量学习的正确率不及使用多支持向量机增量学习算法的正确率。     

驾驶经验对安全车速选择影响的研究

为研究驾驶员的驾驶经验对安全车速选择的影响,采用情景试验的方法,对驾驶员安全车速的感知进行了试验.研究结果表明:在不考虑驾驶车辆性能、驾驶任务缓急的情况下,驾驶经验对驾驶员安全车速的选择产生较大影响,有经验的驾驶员安全车速的选择在限速范围内相对集中,受道路及环境约束变化的影响较小,安全车速较为均衡;而无经验的驾驶员安全...     

期租船市场客户期望管理研究

在激烈的市场竞争中,客户成为企业争夺的重要资源,在高度依赖大客户的期租船市场更是如此,文中将客户期望管理知识与船舶期租业务实际相结合,分析了在不同环节可以借鉴和采取的策略,以帮助航运企业进一步加强客户管理工作、提高客户满意度和效益。