李志[1]2000年在《模糊神经推理系统—ANFIS在散货船运力预测中的应用研究》文中提出航运市场风云变换，运量、运力及运价的预测受到普遍的关注。而一种以模糊推理为依据，以自适应网络为框架的模糊推理系-ANFIS(Adaptive-Network-Based Fuzzy Inference System)，较其他方法具用更好的预测结果，从而可以解决航运市场的预测问题。本文致力于阐明ANFIS的理论基础，包括自适应网络的结构、基本学习规则以及在此基础上的在线／离线学习模式的混合学习算法、ANFIS的基本结构及其混合学习算法；从理论上用Stone-Weierstrass定理完整地证明了ANFIS的函数无限逼近能力以及简单ANFIS在功能上与RBF神经网络的等价特性；最后利用MATLAB软件包中的模糊逻辑工具箱(Fuzzy Logic Toolbox)建立起航运市场运力预测ANFIS模型，此模型较好地实现了预测功能，所得今后五年的运力预测值反映了航运市场运力发展的趋势。从仿真结果来看，此模型很理想。
陈彩文[2]2017年在《基于计算机视觉的鱼群摄食行为分析研究》文中指出中国是世界第一水产养殖大国,在目前的渔业养殖业中,养殖密度越来越大,而鱼类的投饵又是养殖鱼类的关键。传统的鱼类投喂方式主要是依靠人工进行投喂,这种方式容易造成鱼类的投喂过量或者是投喂不足,这样不仅会降低鱼类养殖当中的经济效益,而且当投饵过量时,鱼类的残余饵料还会对养殖水体造成水质恶化的情况,进而影响鱼类福利。因此传统的鱼类养殖方式已经远远不能满足现代集约化养殖管理的需求,因此迫切需要一种新的无损的投喂控制方式。本文目的在于探索鱼群的摄食行为,提升鱼类的养殖效率,增加鱼群饵料的利用率。本论文主要是从鱼类养殖精准投喂的角度出发,通过采集鱼类摄食过程中的摄食活动图像,提出了一种基于计算机视觉技术的鱼类摄食行为分类及评估方法,本文的工作主要有以下几个方面:(1)首先采集鱼群正常游动状态和摄食状态的图片,利用灰度差分统计法、灰度共生矩阵法和基于高斯-马尔科夫随机场模型的方法提取了鱼群的13个纹理特征,并且使用主成分分析法(PCA)算法对提取出的鱼群纹理信息进行降维,基于以上特征信息利用支持向量机(SVM)算法实现了对鱼群摄食状态和非摄食状态的分类识别;(2)对鱼群的摄食图片进行处理,利用背景建模法得到鱼群的背景图片,提取出前景目标鱼群,并通过灰度共生矩阵提取鱼群的纹理特征进行分析对比,实现了鱼群的摄食活动强度(feeding activity index,FAI)的评估,并与传统的方法面积法进行比较,由灰度共生矩阵的对比度来表征鱼群的摄食活动强度与面积法来表征的鱼群摄食活动强度的相关性达到0.8942,说明此种方法的可行性;(3)本文尝试把自适应神经网络模糊推理系统(ANFIS)模型运用到鱼群的投喂量上,并对该模型进行了初步的探索,希望在下一个阶段可以把该模型运用到实际当中,提高鱼群饵料的转化率,为鱼类养殖人员提供方法指导,减轻养殖人员的工作量。
王梦璇[3]2015年在《基于ReliefF-ANFIS方法的集装箱船安全评估》文中研究表明集装箱船舶历经6代发展,在现代社会已经成为愈加重要的全球贸易运输方式。截止2014年,我国已经成为世界第一集装箱制造国,并且全球十大集装箱吞吐量港口中国占7个,随着航运业的飞速发展,新技术、新理念为集装箱运输行业带来了前所未有的挑战。在海上安全运输日益重要的今天,如何科学的对集装箱船舶运输做出安全评价一直是保障行业发展的重要课题。如何在面临诸多挑战时能够抓住行业发展的机遇,研究集装箱船舶安全运输问题任重而道远。为了对集装箱船舶航行安全进行安全评价,本文分三个模块对问题进行研究。第一,参阅大量国内外文献,对集装箱船舶安全现状进行研究,梳理出当下集装箱船舶安全运营的主要影响因素,利用拓扑结构整理出符合现状的集装箱船舶安全评价集。第二,由于新技术、新理念带来的行业革新,集装箱船舶安全评价工作会朝着自动化、系统化、精细化的方向发展,安全评价指标势必会呈指数级增长,数据降维势在必行。在此大背景下引入特征选择算法(Feature weighting algorithms, ReliefF),利用算法计算出评价指标的分类特征,遵循科学的淘汰规则,淘汰掉相对其他评价指标不合适或者计算中容易产生冗余的特征指标。第一,可以降低数据维数；第二,在不影响安全评价精度的前提下加快评价系统运行速度。第三,利用自适应神经模糊推理系统(Adaptive Network-based Fuzzy Inference System, ANFIS)建立风险预测模型,基于现有评价指标对船舶航行安全进行评价。在验证了模型精度以后,通过“高河轮”的数据对ReliefF-ANFIS安全评价系统进行了验证并取得了较高的评价精度,验证了系统的预测能力,评价结论符合船舶营运现状,具有一定的普适性。
参考文献：
[1]. 模糊神经推理系统—ANFIS在散货船运力预测中的应用研究[D]. 李志. 大连海事大学. 2000
[2]. 基于计算机视觉的鱼群摄食行为分析研究[D]. 陈彩文. 太原理工大学. 2017
[3]. 基于ReliefF-ANFIS方法的集装箱船安全评估[D]. 王梦璇. 大连海事大学. 2015