0 引　言

大型邮轮的船型特征及船型参数对游客的旅行体验和企业的经营效益有着重要的影响^[1]。为了更好地满足市场需求和提升企业竞争力^[2]，有必要对大型邮轮船型特征及船型参数进行分析。数据挖掘技术通过对大量大型邮轮船型数据的分析，发现隐藏在船型数据中的规律和模式^[3]，为相关领域的决策提供科学依据。

近年来针对船舶船型参数的研究较多。刘臣等^[4]针对极地探险邮轮的船型参数进行分析，分析邮轮的重量分布、浮态、阻力等参数，提升极地探险邮轮的抗冰能力，更好地应对极地地区的极端冰况。但是极地探险邮轮的船型参数设计，需满足极地地区的特殊要求，包括抗冰能力、稳定性、航行效率等，可能会限制船型的灵活性和创新性。于群等^[5]充分考虑金枪鱼船的阻力性能，优化金枪鱼船的船型参数。通过船型参数优化，改善船舶的阻力性能，提高船舶的航行效率和燃油经济性。但是该方法进行船型参数优化时，需要精确的数值模拟，还需要考虑复杂的流体动力学和结构力学因素，技术难度较大。

针对以上方法在船舶船型参数研究中存在的问题，提出基于数据挖掘的大型邮轮船型特征及船型参数分析方法^[6]。利用数据挖掘技术对大型邮轮的船型特征进行分析和挖掘，发现隐藏在船型数据中的规律和模式，依据邮轮的实际应用需求，确定最佳的船型参数。

1 大型邮轮船型特征及船型参数分析 1.1 基于粗糙集的大型邮轮船型特征挖掘

利用数据挖掘技术挖掘大型邮轮的船型特征，将船型特征挖掘结果作为邮轮性能优化的船型参数。构建大型邮轮的船型变换模型，依据船型变换模型，对船型参数进行回归分析，确定具有最佳性能的大型邮轮船型参数。利用粗糙集理论提取船型参数设计的船型特征，统计分析船型设计参数，获取船型数据中隐含的参数设计知识。依据粗糙集理论，将大型邮轮的船型数据库，利用信息表知识表达系统$ S = \left\langle {U,R,A,f} \right\rangle $表示。论域$ S $表示大型邮轮船型的对象集合，$ R = C \cup D $与$ A = \mathop \cup \limits_{r \in R} {A_r} $分别表示大型邮轮船型特征以及特征值集合，$ C $与$ D $分别表示大型邮轮船型的条件与决策特征集，设置船型特征与最优船型参数作为优化变量与优化目标，组成粗糙集的条件特征集与决策特征集。$ f:U \times R \to A $为信息函数，利用信息函数指定大型邮轮船型数据$ x $的特征值。

利用粗糙集理论挖掘大型邮轮船型特征时，首先利用模糊C均值聚类算法，聚类大型邮轮的船型设计变量。离散化处理大型邮轮船型的信息表知识表达系统$ S $，将其转化为由离散值组成的决策表$ S' $，应用于大型邮轮船型特征的逻辑运算中。大型邮轮船型数据均为连续型数据，利用模糊C均值聚类算法，聚类大型邮轮的优化设计变量以及优化目标的过程如下：

步骤1　设置最佳模糊聚类数量$ m $，将大型邮轮船型数据划分为$ m $个区间。

步骤2　依据所设置的最佳聚类数量，对大型邮轮船型数据进行模糊C均值聚类，获取聚类中心V_i及船型数据对应聚类结果$ j $的隶属度$ {\mu _{i,j}} $。

步骤3　对聚类中心V_i进行升序排序处理，对比大型邮轮数据对应聚类结果$ j $的隶属度$ {\mu _{i,j}} $。依据最大隶属度对应的聚类中心，对大型邮轮船型数据进行离散编码。

利用粗糙集理论获取大型邮轮船型数据中包含的全部推导规则，删除无用规则，获取具有较高可信度的大型邮轮船型规则集。用大型邮轮船型特征决策表$ S = \left\langle {U,R,A,f} \right\rangle $与船型特征约简$ P $作为粗糙集理论的输入与输出。基于粗糙集的大型邮轮船型特征约简的过程如下：

步骤1　计算大型邮轮船型特征决策表$ S $中，相对于$ C $，决策特征集$ D $的条件信息熵表达式如下：

$ H\left( {D\left| C \right.} \right) = \sum\limits_{c \in C} {p\left( c \right)} H\left( D \right)。$

(1)

式中，$ p\left( c \right) $与$ H\left( D \right) $分别为事件$ c $发生的概率以及信息熵。

信息熵$ H\left( D \right) $的表达式如下：

$ H\left( D \right) = - \sum\limits_{c \in C} {p\left( c \right)} \log p\left( c \right)。$

(2)

计算条件特征集中的相对决策特征的核$ Core $，设置$ P = Core $，$ Q = C - P $。

步骤2　当$ P \ne \emptyset $时，计算$ H\left( {D\left| P \right.} \right) $，否则转至步骤4；

步骤3　当$ H\left( {D\left| P \right.} \right) = H\left( {D\left| C \right.} \right) $时，转至步骤6；

步骤4　对于每个大型邮轮船型特征$ {c_i} \in Q $，计算$ P \cup \left\{ {{c_i}} \right\} $的条件信息熵$ H\left( {D\left| {P \cup \left\{ {{c_i}} \right\}} \right.} \right) $。

步骤5　选择使$ H\left( {D\left| {P \cup \left\{ {{c_i}} \right\}} \right.} \right) $最小的船型特征$ {c_i} $。当多个船型特征均为最小时，从中选取与$ P $的特征值组合数最小的特征，设置$ P = P \cup \left\{ {{c_i}} \right\} $，$ Q = Q - \left\{ {{c_i}} \right\} $，转换至步骤2；

步骤6　输出大型邮轮船型特征约简结果$ P $，将其中包含的特征对应的参数，作为船型性能优化的船型参数。

1.2 大型邮轮船型变换模型

构建大型邮轮船型变换模型，作为确定最优船型参数的基础。利用自由变形（Free-form deformation，FFD）方法，依据船型参数变化，对大型邮轮的船首、水线、船尾等位置进行局部变形。FFD方法具有对大型邮轮三维实体变形的作用。大型邮轮船型变换的步骤如下：采用控制体包围大型邮轮待变形区域，将大型邮轮嵌入弹性控制体内。依据船型参数变化，调整控制体的控制顶点，使大型邮轮的形状变化。该过程基于弹性体受外力存在变形的理论实现。伴随大型邮轮控制顶点的移动，处于控制体内的大型邮轮形成相应变形。

设置大型邮轮FFD方法的控制体为长方体，控制体长、宽、高方向上的控制点数量分别为(b+1)、(e+1)、(g+1)，各方向的控制点呈均匀分布，包围大型邮轮待变形区域。$ \left( {O - XYZ} \right) $与$ \left( {O' - LMN} \right) $分别为控制体内，大型邮轮的全局坐标与局部坐标。利用全局坐标表示大型邮轮的空间几何位置，通过线性叠加方式，处理Bernstein多项式与控制顶点的多项式乘积。大新邮轮全局坐标在控制顶点移动时，存在一定的变化。利用局部坐标表示大型邮轮在控制体内，控制顶点的相对位置。控制体内大型邮轮局部坐标在控制体不变时为固定，大型邮轮变形时，局部坐标仍然固定。依据大型邮轮的初始设计图，构建船体面网格的计算模型。利用FFD方法，依据船型参数变化，变换船型，对船型参数进行回归分析，确定大型邮轮的最佳船型参数。控制体顶点移动时，将所获取的局部坐标，与新的控制顶点代入式（3），获取大型邮轮控制体内，随机点调整船型参数后的全局坐标。

1.3 基于回归分析的大型邮轮船型参数优化

1）依据大型邮轮船型特征挖掘结果，采集不同船型特征对应的船型参数。将采集的大型邮轮船型参数预处理后，删除重复数据，二次筛选样本数据，删除存在缺失的船型参数样本。

2）将船型参数代入大型邮轮船型变换模型中，将大型邮轮船型参数作为变量，进行单变量非线性回归分析，绘制拟合曲线获取大型邮轮船型参数的单变量非线性回归公式。选取幂函数和分式多项式函数作为单变量拟合函数。

3）选取stepwise函数，对大型邮轮特征对应的船型参数进行多元线性回归分析。

4）抽取大型邮轮的船型参数样本数据，计算多元线性回归公式的回归误差，验证多元回归模型的回归精度。利用最低误差的多元回归模型，输出大型邮轮的最佳船型参数。

2 实验结果分析

为了验证所研究的大型邮轮船型特征及船型参数分析方法，确定最优船型参数有效性，选取某大型邮轮作为研究对象。该大型邮轮的吨级为13万，为Vista型豪华邮轮。该大型邮轮的实物图如图1所示。

本文利用粗糙集数据挖掘方法，从海量大型邮轮数据中，挖掘大型邮轮的船型特征。为了衡量本文方法对大型邮轮船型特征的挖掘性能，选取Kappa系数作为评价指标。采用本文方法挖掘大型邮轮船型特征的Kappa系数如图2所示。船型特征数量为8个时，船型特征挖掘的Kappa系数高于其他数量。挖掘8个船型特征时，船型特征挖掘的Kappa系数高于0.9，表明此时数据挖掘方法具有较高的挖掘性能，有助于获取最佳船型参数相关的船型特征。

本文方法设置挖掘的船型特征数量为8个，船型特征挖掘结果如图3所示。实验结果验证本文方法可以有效挖掘大型邮轮的船型特征。

依据所挖掘的大型邮轮船型特征，针对大型邮轮的性能需求，通过回归分析方法，获取最优的大型邮轮船型参数结果如表1所示。可以看出，本文方法有效依据大型邮轮船型特征挖掘结果，确定大型邮轮的最佳船型参数。对比优化前后的大型邮轮船型参数，大型邮轮船型参数有了明显的变化。

为了验证本文方法获取的大型邮轮船型参数对邮轮性能的提升结果，分析原始船型与参数优化后大型邮轮的阻力变化，统计结果如表2所示。可以看出，采用本文方法优化大型邮轮船型参数，邮轮阻力下降了1.48%。实验结果验证，本文方法通过挖掘大型邮轮船型特征，确定大型邮轮的最优参数。有效降低大型邮轮航行时的阻力，提升大型邮轮的航行性能。

3 结　语

大型邮轮船型特征及船型参数具有多样性和复杂性的特点，船型参数之间存在复杂的关联和影响。船型参数的选择对邮轮旅游企业的经营效益和市场竞争力具有重要影响。将数据挖掘算法应用于大型邮轮船型特征与船型参数分析中，确定具有最佳航行性能的船型参数，使优化船型参数后的大型邮轮具有更佳的应用性能。