创新点摘要 | 第5-6页 |
摘要 | 第6-8页 |
ABSTRACT | 第8-10页 |
第1章 绪论 | 第14-35页 |
1.1 研究背景 | 第14-16页 |
1.2 国内外相关研究综述 | 第16-30页 |
1.2.1 主观信息下的评估方法研究现状 | 第16-21页 |
1.2.2 客观信息下的评估方法研究现状 | 第21-25页 |
1.2.3 综合信息下的评估方法研究现状 | 第25-26页 |
1.2.4 航海模拟器及评估系统现状 | 第26-30页 |
1.3 本研究领域存在的问题 | 第30-31页 |
1.4 本文主要研究内容 | 第31-33页 |
1.5 本文章节安排 | 第33-35页 |
第2章 航海模拟器中单船进出港评估的不确定性分析 | 第35-49页 |
2.1 船舶进出港航行的航线设计 | 第35-38页 |
2.1.1 航线设计步骤 | 第35-36页 |
2.1.2 航线设计的重要环节 | 第36-38页 |
2.2 单船进出港航行的不确定信息 | 第38-40页 |
2.3 航海模拟器中单船进出港航行的评估建模 | 第40-48页 |
2.3.1 评估问题的相关概念 | 第40-42页 |
2.3.2 单船进出港航行智能评估建模 | 第42-44页 |
2.3.3 航迹评估 | 第44-45页 |
2.3.4 航海模拟器中单船进出港航行评估的不确定问题分析 | 第45-47页 |
2.3.5 大数据下单船进出港智能评估建模 | 第47-48页 |
2.4 本章小结 | 第48-49页 |
第3章 主观评价信息下基于粗糙集的CDHA智能评估 | 第49-85页 |
3.1 主观信息下单船进出港航行评估流程 | 第49-51页 |
3.2 主观信息下的航迹评估指标权重计算模型 | 第51-59页 |
3.2.1 基于AHP的航迹评估指标权重计算模型 | 第52-55页 |
3.2.2 基于改进型CHA的航迹评估指标权重计算模型 | 第55-59页 |
3.3 样本信息下的航迹评估指标权重计算模型 | 第59-65页 |
3.3.1 基于PCA的航迹评估指标权重计算模型 | 第59-61页 |
3.3.2 基于EM的航迹评估指标权重计算模型 | 第61-62页 |
3.3.3 基于RSM的航迹评估指标权重计算模型 | 第62-65页 |
3.4 基于粗糙集的CDHA智能评估 | 第65-84页 |
3.4.1 基于粗糙集的改进型CDHA智能评估模型 | 第65-70页 |
3.4.2 算例分析 | 第70-84页 |
3.5 本章小结 | 第84-85页 |
第4章 客观航迹信息下局部采样正态云智能评估 | 第85-114页 |
4.1 客观航迹信息下的单船进出港航行评估流程 | 第85-88页 |
4.2 少量样本条件下航迹点生成算法 | 第88-95页 |
4.2.1 正向正态云算法 | 第88-89页 |
4.2.2 逆向正态云算法 | 第89-90页 |
4.2.3 少量样本条件下航迹点生成算法 | 第90-95页 |
4.3 基于局部采样云图的单船进出港航迹评估模型 | 第95-99页 |
4.4 基于正态云云滴贡献度的航迹带划分 | 第99-102页 |
4.5 客观航迹信息下的航迹智能评估 | 第102-113页 |
4.6 本章小结 | 第113-114页 |
第5章 综合信息下二维正态云的云相似度智能评估 | 第114-142页 |
5.1 综合信息下的单船进出港航行评估流程 | 第114-116页 |
5.2 综合信息下的CDHA航迹智能评估模型 | 第116-118页 |
5.3 综合信息下基于二维正态云的云相似度评估模型 | 第118-135页 |
5.3.1 云相似度方法简述及一维正态云特征测试 | 第118-122页 |
5.3.2 基于修正期望曲线的一维正态云相似度算法 | 第122-124页 |
5.3.3 推荐航迹生成算法 | 第124-125页 |
5.3.4 基于二维正态云网格化取样的云相似度评估算法 | 第125-132页 |
5.3.5 基于二维正态云模型的云参数航迹相似度评估模型 | 第132-135页 |
5.4 基于二维正向正态云的航迹云相似度智能评估 | 第135-141页 |
5.5 本章小结 | 第141-142页 |
第6章 结论与展望 | 第142-145页 |
6.1 本文研究的主要结果 | 第142-143页 |
6.2 工作展望 | 第143-145页 |
参考文献 | 第145-157页 |
攻读学位期间公开发表论文 | 第157-158页 |
致谢 | 第158-160页 |
作者简介 | 第160页 |