您的位置: 专家智库 > >

周丹

作品数:4 被引量:21H指数:3
供职机构:大连海事大学航海学院更多>>
发文基金:国家自然科学基金更多>>
相关领域:交通运输工程更多>>

文献类型

  • 4篇中文期刊文章

领域

  • 4篇交通运输工程

主题

  • 4篇影响因素
  • 4篇船舶
  • 4篇船舶领域
  • 2篇重要度
  • 2篇粗糙集
  • 1篇神经网
  • 1篇神经网络
  • 1篇属性约简
  • 1篇水路运输
  • 1篇能见度
  • 1篇主成分回归
  • 1篇小波
  • 1篇小波分析
  • 1篇AIS数据
  • 1篇粗糙集理论

机构

  • 4篇大连海事大学

作者

  • 4篇郑中义
  • 4篇周丹

传媒

  • 1篇大连海事大学...
  • 1篇哈尔滨工程大...
  • 1篇中国航海
  • 1篇上海海事大学...

年份

  • 2篇2017
  • 2篇2016
4 条 记 录,以下是 1-4
排序方式:
基于小波分析的船舶领域与其影响因素变化关系被引量:2
2017年
为研究开阔水域中船舶领域与船舶领域影响因素之间的变化关系,应用小波分析算法,以渤海和黄海北部水域船舶自动识别系统数据为基础,应用MATLAB中的小波工具箱对船舶领域及船舶领域影响因素进行小波变换,得到不同影响因素值下的船舶领域。结果表明:船舶领域随船舶大小、速度的增大而增大,随会遇角度的增大而减小,随其他影响因素变化的规律不明显。
周丹郑中义
关键词:水路运输船舶领域影响因素小波分析
船舶领域与其影响因素的关系被引量:5
2016年
为研究船舶领域与其影响因素的关系,首先,对船舶领域随不同影响因素的变化进行统计分析;其次,分析船舶领域随其影响因素变化的本质,并利用小波变换对船舶领域样本数据的变化规律进行分析;最后,利用神经网络模型对其间关系进行建模.建模时,选取小波变换后的2/3数据进行训练建模,选取剩余1/3数据对模型模拟的能力及鲁棒性进行验证,获得每个影响因素值下的船舶领域平均值及基于神经网络的船舶领域与其影响因素关系模型.结果表明,该模型具有很好的性能,其拟合度R为0.92242,平均误差为49.8970 m,且具有较好的鲁棒性.
周丹郑中义
关键词:影响因素神经网络
基于AIS数据的船舶领域影响因素分析被引量:6
2016年
为比较互见中开阔水域不同船舶领域影响因素的重要性,应用粗糙集理论的相关算法,对船舶领域影响因素之间的依赖关系进行分析,并进行影响因素约简和影响因素重要度计算.以渤海及黄海北部船舶自动识别系统(Automatic Identification System,AIS)的数据为基础,应用MATLAB编程计算,得到船舶领域影响因素之间的依赖度、相对约简集和影响因素重要度.结果表明:船舶领域影响因素之间存在不同程度的冗余,其中风、浪或流可约简掉;会遇角度、航速、船舶大小、驾驶员级别、船舶密度、船舶类型和能见度的重要度分别为0.279 1,0.200 8,0.179 4,0.212 1,0.235 9,0.122 9和0.093 5.该研究表明:在保证对船舶领域影响分辨性不变的前提下,驾驶员可选择较重要因素对船舶领域进行判断,并采取较恰当的避碰行动,保障航行安全;但在特殊的环境下,某些影响因素需要特别考虑.
周丹郑中义
关键词:影响因素粗糙集理论属性约简重要度
能见度良好时影响船舶领域的因素的重要性分析被引量:8
2017年
为了对能见度良好时影响船舶领域因素的重要性进行评价并进行因素约简,降低船舶领域模型的复杂度,本文选择主成分回归算法和基于粗糙集算法对其进行分析。利用主成分回归算法得到了影响船舶领域的因素的重要度;利用基于粗糙集算法得到了影响船舶领域因素的约简集与因素重要度。对两种方法得到的结果进行比较,确定了影响船舶领域因素的重要性。结果表明,船舶大小、船舶类型、船舶速度、会遇角度、密度和驾驶员级别较重要,风、浪、流、能见度的重要度次之,且风、浪、流对船舶领域的影响可以忽略。
周丹郑中义
关键词:影响因素主成分回归船舶领域粗糙集重要度
共1页<1>
聚类工具0