王日金 郑宇翔 汤海亮 陈霄 辛晶昊

1 研究背景

随着船舶大型化趋势的持续发展，远洋集装箱船舶在码头的单次靠泊装卸箱量不断上升，导致码头堆场面临堆存周期延长和堆存箱量超标等问题。大规模装卸作业对集装箱码头堆场管理提出较高要求，集装箱码头运营瓶颈逐渐从岸线转向堆场，堆场集装箱堆存质量成为影响集装箱码头运营管理的重要因素。[1]目前，业内尚未形成科学严谨的集装箱堆存质量评价方法，只能依赖人工经验对其进行粗略评价;但当堆场堆存箱量较多时，基于人工经验的评价方法需要耗费大量人力和物力。在此背景下，以自动化和可靠的集装箱堆存质量评价方法替代基于人工经验的评价方法，成为现阶段我国集装箱码头的迫切需求。

k均值聚类算法是一种常见的数据挖掘算法，用于多特征样本的分类，如图像分割、路径分类、等级划分等。杨艳等[2]通过优化k均值聚类算法特征空间的权重，获得更优的图像分类结果。李爽等[3]通过改进k均值聚类算法的亲和距离函数提升算法的聚类稳定性，从而在航线分类实验中得出更优的聚类结果。杨善林等[4]提出k均值聚类算法的距离代价函数，建立k取值有效性的检验方法。雷小锋等[5]通过建立加权连通图和合并子簇方法，构造k均值聚类算法的子簇交集，从而提升算法效率。李洁等[6]提出基于特征加权的模糊k均值聚类算法，得出各维特征对分类结果的贡献度。……