| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-21页 |
| 1.1 论文选题的背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-18页 |
| 1.2.1 国外船舶领域研究综述 | 第10-14页 |
| 1.2.2 国内船舶领域研究综述 | 第14-16页 |
| 1.2.3 近年来内河船舶领域的研究成果 | 第16-18页 |
| 1.3 本文研究的内容与方法 | 第18-19页 |
| 1.4 文章框架 | 第19-21页 |
| 第2章 船舶领域基础理论及其应用 | 第21-29页 |
| 2.1 船舶领域的涵义 | 第21-24页 |
| 2.1.1 船舶领域概念的提出与发展 | 第21页 |
| 2.1.2 船舶领域的影响因素 | 第21-24页 |
| 2.2 船舶领域模型的研究方法 | 第24-26页 |
| 2.2.1 基于统计方法的船舶领域 | 第24-25页 |
| 2.2.2 基于解析表达方法的船舶领域 | 第25页 |
| 2.2.3 基于智能技术的船舶领域 | 第25-26页 |
| 2.3 船舶领域的应用 | 第26-29页 |
| 第3章 淮河干流航道与交通状况 | 第29-39页 |
| 3.1 河流概况及区位 | 第29-30页 |
| 3.2 水文简况 | 第30页 |
| 3.3 航道概况 | 第30-33页 |
| 3.4 交通现状 | 第33-39页 |
| 3.4.1 交通量 | 第33页 |
| 3.4.2 船型 | 第33-37页 |
| 3.4.3 船舶种类 | 第37-39页 |
| 第4章 泛化中心聚类算法 | 第39-48页 |
| 4.1 算法的提出 | 第39-40页 |
| 4.2 算法的优点 | 第40-41页 |
| 4.3 相关定义与定理 | 第41-46页 |
| 4.3.1 泛化对象 | 第41-42页 |
| 4.3.2 泛化中心 | 第42-43页 |
| 4.3.3 泛化中心定理 | 第43-44页 |
| 4.3.4 距离的量度 | 第44-46页 |
| 4.4 在船舶领域应用中的设置和改进 | 第46-48页 |
| 第5章 基于泛化中心聚类算法的淮河干流船舶领域的确定 | 第48-64页 |
| 5.1 淮河干流船舶间通过距离数据的获取 | 第48-53页 |
| 5.1.1 观测区域及船舶的选择 | 第48-49页 |
| 5.1.2 设计船舶领域观测记录表 | 第49-50页 |
| 5.1.3 实船观测及数据的整理分析 | 第50-53页 |
| 5.2 船舶领域模型的求取 | 第53-62页 |
| 5.2.1 算法步骤 | 第53页 |
| 5.2.2 模型求取 | 第53-62页 |
| 5.3 结果分析 | 第62-64页 |
| 5.3.1 客观性分析 | 第62页 |
| 5.3.2 与其它水域船舶领域模型的比较 | 第62-64页 |
| 第6章 结论与展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录A 观测记录表 | 第69-70页 |
| 致谢 | 第70页 |