基于改进K近邻算法的船舶通航环境智能识别

发布时间：2022-01-09 20:59

　　为实现船舶能效的智能优化,从船舶通航环境出发,研究船舶通航环境的智能识别方法。基于所获得的船舶通航环境大数据,建立基于改进K均值聚类算法的船舶通航环境类别知识库,设计相关系数加权的K近邻算法,实现船舶通航环境的智能识别。实例分析结果表明,此基于改进K近邻算法的智能识别方法的识别准确率可达97.25%,相对于未改进的K近邻算法,准确率提高7.81%。所提出的智能识别方法可为基于通航环境智能识别的船舶分段航速智能优化方法的研究奠定基础。 

【文章来源】：上海海事大学学报. 2020,41(03)北大核心

【文章页数】：6 页

【部分图文】：

船舶通航环境智能识别方法的流程

“宇中海”号船

改进K近邻算法中的K是一个非常重要的参数,K值选得过小会使分类不精确,选得过大则会增加噪声,降低分类效果。选取通航环境类别知识库,共16类24 814组数据作为训练样本;每类数据选取200组,共有3 200组数据作为测试样本。经过反复地选取K值,统计识别错误样本的数量,得到K取337时分类识别效果良好。图7为K取337时的测试结果:采用未改进的K近邻算法识别错误的测试样本组数为338组,识别准确的测试样本组数为2 862组,识别准确率为89.44%;采用改进的K近邻算法识别错误的测试样本组数为88组,识别准确的测试样本组数为3 112组,识别准确率为97.25%。通过对比得知,对K近邻算法改进后其通航环境智能识别的准确率提高了7.81%,从而验证了改进的K近邻算法具有良好的智能识别效果。4.3 通航环境智能识别应用

【参考文献】：
期刊论文
[1]基于静水阻力和波浪增阻的全船线型优化[J]. 张宝吉.  华中科技大学学报(自然科学版). 2011(10)
[2]浅吃水肥大型重件运输船设计研究[J]. 龚昌奇,陈宾康,黄敏.  船舶工程. 2009(04)
[3]K-MEANS算法中的K值优化问题研究[J]. 杨善林,李永森,胡笑旋,潘若愚.  系统工程理论与实践. 2006(02)

博士论文
[1]营运船舶主机性能退化和健康管理方法研究[D]. 刘伊凡.大连海事大学 2018

硕士论文
[1]考虑油耗及经济性的营运船舶定航线航速优化[D]. 赵乾博.哈尔滨工程大学 2017
[2]数值模拟水面波浪及其对航行环境的影响[D]. 王典.南京航空航天大学 2009
[3]基于K近邻的分类算法研究[D]. 桑应宾.重庆大学 2009



本文编号：3579432