為實(shí)現(xiàn)船舶能效的智能優(yōu)化,從船舶通航環(huán)境出發(fā),研究船舶通航環(huán)境的智能識(shí)別方法�；谒@得的船舶通航環(huán)境大數(shù)據(jù),建立基于改進(jìn)K均值聚類算法的船舶通航環(huán)境類別知識(shí)庫,設(shè)計(jì)相關(guān)系數(shù)加權(quán)的K近鄰算法,實(shí)現(xiàn)船舶通航環(huán)境的智能識(shí)別。實(shí)例分析結(jié)果表明,此基于改進(jìn)K近鄰算法的智能識(shí)別方法的識(shí)別準(zhǔn)確率可達(dá)97.25%,相對于未改進(jìn)的K近鄰算法,準(zhǔn)確率提高7.81%。所提出的智能識(shí)別方法可為基于通航環(huán)境智能識(shí)別的船舶分段航速智能優(yōu)化方法的研究奠定基礎(chǔ)。 

【文章來源】：上海海事大學(xué)學(xué)報(bào). 2020,41(03)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

船舶通航環(huán)境智能識(shí)別方法的流程

“宇中海”號(hào)船

改進(jìn)K近鄰算法中的K是一個(gè)非常重要的參數(shù),K值選得過小會(huì)使分類不精確,選得過大則會(huì)增加噪聲,降低分類效果。選取通航環(huán)境類別知識(shí)庫,共16類24 814組數(shù)據(jù)作為訓(xùn)練樣本;每類數(shù)據(jù)選取200組,共有3 200組數(shù)據(jù)作為測試樣本。經(jīng)過反復(fù)地選取K值,統(tǒng)計(jì)識(shí)別錯(cuò)誤樣本的數(shù)量,得到K取337時(shí)分類識(shí)別效果良好。圖7為K取337時(shí)的測試結(jié)果:采用未改進(jìn)的K近鄰算法識(shí)別錯(cuò)誤的測試樣本組數(shù)為338組,識(shí)別準(zhǔn)確的測試樣本組數(shù)為2 862組,識(shí)別準(zhǔn)確率為89.44%;采用改進(jìn)的K近鄰算法識(shí)別錯(cuò)誤的測試樣本組數(shù)為88組,識(shí)別準(zhǔn)確的測試樣本組數(shù)為3 112組,識(shí)別準(zhǔn)確率為97.25%。通過對比得知,對K近鄰算法改進(jìn)后其通航環(huán)境智能識(shí)別的準(zhǔn)確率提高了7.81%,從而驗(yàn)證了改進(jìn)的K近鄰算法具有良好的智能識(shí)別效果。4.3 通航環(huán)境智能識(shí)別應(yīng)用

【參考文獻(xiàn)】：
期刊論文
[1]基于靜水阻力和波浪增阻的全船線型優(yōu)化[J]. 張寶吉.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(10)
[2]淺吃水肥大型重件運(yùn)輸船設(shè)計(jì)研究[J]. 龔昌奇,陳賓康,黃敏.  船舶工程. 2009(04)
[3]K-MEANS算法中的K值優(yōu)化問題研究[J]. 楊善林,李永森,胡笑旋,潘若愚.  系統(tǒng)工程理論與實(shí)踐. 2006(02)

博士論文
[1]營運(yùn)船舶主機(jī)性能退化和健康管理方法研究[D]. 劉伊凡.大連海事大學(xué) 2018

碩士論文
[1]考慮油耗及經(jīng)濟(jì)性的營運(yùn)船舶定航線航速優(yōu)化[D]. 趙乾博.哈爾濱工程大學(xué) 2017
[2]數(shù)值模擬水面波浪及其對航行環(huán)境的影響[D]. 王典.南京航空航天大學(xué) 2009
[3]基于K近鄰的分類算法研究[D]. 桑應(yīng)賓.重慶大學(xué) 2009



本文編號(hào)：3579432