数据挖掘技术在船员适任性评价中的应用

发布时间：2021-09-11 10:03

　　传统的数据类比提取技术,由于得到的数据关联性指标,关联数据的能力较差,导致提取数据与目标数据相差甚远,因此研究数据挖掘技术在船员适任性中的应用。数据挖掘技术利用粗糙集获取船员适任性基本信息;根据相似度函数,挖掘适任性关联性规则;通过船员适任性综合评价数据体系建立规则库,设置船员适任性评价指标,实现对挖掘结果的相似性评价。实验测试结果表明,与传统的数据类比提取技术相比,数据挖掘技术获取的结果,与目标数据的相似度更高,符合船员适任性数据获取要求。 

【文章来源】：舰船科学技术. 2020,42(10)北大核心

【文章页数】：3 页

【部分图文】：

映射关系示意图Fig.1Mappingdiagram

嗨贫群???e为底数；φ为约束条件。1.3建立规则库设置船员适任性评价指标根据挖掘的适任性关联规则，建立数据挖掘规则库，并设置船员适任性评价指标，对挖掘结果进行评价。图2是根据挖掘的适任性关联性规则，得到的船员适任性综合评价数据体系框图。表1决策表Tab.1DecisiontableAabcF101012001131000表2离散后的适任性决策表Tab.2DiscretesuitabilitydecisiontableA年龄教育程度工作经历工作时间A13234A24132A34213A41435图1映射关系示意图Fig.1Mappingdiagram图2综合评价体系Fig.2Comprehensiveevaluationsystem第42卷赵彦，等：数据挖掘技术在船员适任性评价中的应用·47·

P利用公式（5）中的矩阵，对挖掘的船员适任性数据进行评价，当值与目标结果的相似性超过0.95时，则证明挖掘结果满足挖掘目的。2实验测试为验证此次研究结果的可靠程度，将数据挖掘技术（实验组）与传统的数据类比方法（对照组）均应用到船员适任性数据获取实验中，通过对比结果分析2种技术的应用效果。随机选取10名船员作为实验测试对象，其基本信息如表3所示。分别利用2种技术，对表3中的对象进行3次适任性数据提取，图3为此次实验测试对比结果。根据图3的曲线走势可知，所提的数据挖掘技术可根据挖掘到的关联性规则得到适任性关键数据结果，与目标数据之间的相似性程度更高。而传统方法通过类似关系得到的适应性数据与目标数据之间的相似性程度远远低于数据挖掘技术。3结语此次研究的目的是解决传统数据类比方法，获取数据与目标数据相似性程度较差的问题，通过实验可以看出，数据挖掘技术的应用解决了传统方法的现有问题，应用性能较强。参考文献：武全,饶滚金.我国海船船员适任证书再有效相关规定的探讨[J].航海教育研究,2019,36(3):29–32.[1]张滨.不平衡数据挖掘在分布式数据库中的应用[J].控制工程,2018,25(7):1179–1183.[2]刘著.大数据挖掘在工程项目管理中的应用探究[J].工程技术研究,2019,4(19):162–163.[3]鲁文帅,严晓芳.基于数据挖掘的科技情报采集分析平台设计与实现[J].中国电子科学研究院学报,2019,14(8):818–822.[4]表3实验对象基本信息Tab.3Basicinformationofsubjects编号年龄教育程度航海经验身体状态心理素质0119高中1年优秀优秀0222本科2年优秀优秀0325高中4年优秀优秀0427本科3年良好优秀

【参考文献】：
期刊论文
[1]大数据挖掘在工程项目管理中的应用探究[J]. 刘著.  工程技术研究. 2019(19)
[2]我国海船船员适任证书再有效相关规定的探讨[J]. 武全,饶滚金.  航海教育研究. 2019(03)
[3]基于数据挖掘的科技情报采集分析平台设计与实现[J]. 鲁文帅,严晓芳.  中国电子科学研究院学报. 2019(08)
[4]不平衡数据挖掘在分布式数据库中的应用[J]. 张滨.  控制工程. 2018(07)



本文编号：3392804