DataMax- Ship Label
依据MBD技术的船舶数据集定义与标注方法
邵明智X李细红2,冯帮顺2,方 伟2
".上海船舶工艺研究所，上海200032； 2.中船黄埔文冲船舶有限公司，广东广州510715)
摘 要：依据基于模型定义(Model BasedDefinition, MBD)技术开展船舶数据集定义与标注方法研
究。介绍MBD技术和MBD数据集，提出船体专业和舾装专业的船舶MBD数据集定义方法及船舶MBD数
二维标注 |
1 管路信息 1 安装工艺 1 物料信息 1 二维标注
快照|
视图|
尺寸I
注释|
j| Spool模 一I阀附件模釦
—1 |
一|视图|
T~^寸 I M a# |
ARM自动批量创建
工艺节点自动创建
PMI数据自动提取、 计算及写入 表面处理工艺 强度试验工艺 安装区域信息 数据管理信息 弯管加工数据 物料数据信息 工序信息
Abstract: According to the Model Based Definition (MBD) technology, the definition and annotation meYhods of ship daYa seYare sYudied. The MBDYechnology and MBD daYa seYare inYroduced, andYhe defini ion method of ship MBD data set for hull specialized line and outfitting specialized line and the annotation method of ship MBDdatasetarepr*p*sed,whichcanpr*videreferencef*rtheshipbuildingenterprisest*impr*vethe level*fshippr*ducti*nanddesignbytheMBDtechn*l*gy.
mt4中文帮助命令中文手册
MQL4 Reference MQL4命令手册（本手册采用Office2007编写）2010年2月目录MQL4 Reference (1)MQL4命令手册 (1)Basics基础 (12)Syntax语法 (12)Comments注释 (12)Identifiers标识符 (12)Reserved words保留字 (13)Data types数据类型 (13)Type casting类型转换 (14)Integer constants整数常量 (14)Literal constants字面常量 (14)Boolean constants布尔常量 (15)Floating-point number constants (double)浮点数常量（双精度） (15)String constants字符串常量 (15)Color constants颜色常数 (16)Datetime constants日期时间常数 (16)Operations & Expressions操作表达式 (17)Expressions表达式 (17)Arithmetical operations算术运算 (17)Assignment operation赋值操作 (17)Operations of relation操作关系 (18)Boolean operations布尔运算 (18)Bitwise operations位运算 (19)Other operations其他运算 (19)Precedence rules优先规则 (20)Operators操作符 (21)Compound operator复合操作符 (21)Expression operator表达式操作符 (21)Break operator终止操作符 (21)Continue operator继续操作符 (22)Return operator返回操作符 (22)Conditional operator if-else条件操作符 (23)Switch operator跳转操作符 (23)Cycle operator while循环操作符while (24)Cycle operator for循环操作符for (24)Functions函数 (25)Function call函数调用 (26)Special functions特殊函数 (27)Variables变量 (27)Local variables局部变量 (28)Formal parameters形式变量 (28)Static variables静态变量 (29)Global variables全局变量 (29)Defining extern variables外部定义变量 (30)Initialization of variables初始化变量 (30)External functions definition外部函数的定义 (30)Preprocessor预处理 (31)Constant declaration常量声明 (31)Controlling compilation编译控制 (32)Including of files包含文件 (32)Importing of functions导入功能 (33)Standard constants标准常数 (35)Series arrays系列数组 (35)Timeframes图表周期时间 (35)Trade operations交易操作 (36)Price constants价格常数 (36)MarketInfo市场信息识别符 (36)Drawing styles画线风格 (37)Arrow codes预定义箭头 (38)Wingdings宋体 (39)Web colors颜色常数 (39)Indicator lines指标线 (40)Ichimoku Kinko Hyo (41)Moving Average methods移动平均方法 (41)MessageBox信息箱 (41)Object types对象类型 (43)Object properties对象属性 (44)Object visibility (45)Uninitialize reason codes撤销初始化原因代码 (45)Special constants特别常数 (46)Error codes错误代码 (46)Predefined variables预定义变量 (50)Ask最新卖价 (50)Bars柱数 (50)Bid最新买价 (50)Close[]收盘价 (51)Digits汇率小数位 (51)High[]最高价 (51)Low[]最低价 (52)Open[]开盘价 (53)Point点值 (53)Time[]开盘时间 (53)Volume[]成交量 (54)Program Run程序运行 (56)Program Run程序运行 (56)Imported functions call输入函数调用 (57)Runtime errors运行错误 (57)Account information账户信息 (68)AccountBalance( )账户余额 (68)AccountCredit( )账户信用点数 (68)AccountCompany( )账户公司名 (68)AccountCurrency( )基本货币 (68)AccountEquity( )账户资产净值 (68)AccountFreeMargin( )账户免费保证金 (69)AccountFreeMarginCheck()账户当前价格自由保证金 (69)AccountFreeMarginMode( )账户免费保证金模式 (69)AccountLeverage( )账户杠杆 (69)AccountMargin( )账户保证金 (69)AccountName( )账户名称 (70)AccountNumber( )账户数字 (70)AccountProfit( )账户利润 (70)AccountServer( )账户连接服务器 (70)AccountStopoutLevel( )账户停止水平值 (70)AccountStopoutMode( )账户停止返回模式 (71)Array functions数组函数 (72)ArrayBsearch()数组搜索 (72)ArrayCopy()数组复制 (72)ArrayCopyRates()数组复制走势 (73)ArrayCopySeries()数组复制系列走势 (74)ArrayDimension()返回数组维数 (75)ArrayGetAsSeries()返回数组序列 (75)ArrayInitialize()数组初始化 (75)ArrayIsSeries()判断数组连续 (75)ArrayMaximum()数组最大值定位 (76)ArrayMinimum()数组最小值定位 (76)ArrayRange()返回数组指定维数数量 (76)ArrayResize()改变数组维数 (77)ArraySetAsSeries()设定系列数组 (77)ArraySize()返回数组项目数 (78)ArraySort()数组排序 (78)Checkup检查 (79)GetLastError( )返回最后错误 (79)IsConnected( )返回联机状态 (79)IsDemo( )返回模拟账户 (79)IsDllsAllowed( )返回dll允许调用 (80)IsExpertEnabled( )返回智能交易开启状态 (80)IsLibrariesAllowed( )返回数据库函数调用 (80)IsOptimization( )返回策略测试中优化模式 (81)IsStopped( )返回终止业务 (81)IsTesting( )返回测试模式状态 (81)IsTradeAllowed( )返回允许智能交易 (81)IsTradeContextBusy( )返回其他智能交易忙 (82)IsVisualMode( )返回智能交易“图片模式” (82)UninitializeReason( )返回智能交易初始化原因 (82)Client terminal客户端信息 (83)TerminalCompany( )返回客户端所属公司 (83)TerminalName( )返回客户端名称 (83)TerminalPath( )返回客户端文件路径 (83)Common functions常规命令函数 (84)Alert弹出警告窗口 (84)Comment显示信息在走势图左上角 (84)GetTickCount获取时间标记 (84)MarketInfo在市场观察窗口返回不同数据保证金列表 (85)MessageBox创建信息窗口 (85)PlaySound播放声音 (86)Print窗口中显示文本 (86)SendFTP设置FTP (86)SendMail设置Email (87)Sleep指定的时间间隔内暂停交易业务 (87)Conversion functions格式转换函数 (88)CharToStr字符转换成字符串 (88)DoubleToStr双精度浮点转换成字符串 (88)NormalizeDouble给出环绕浮点值的精确度 (88)StrToDouble字符串型转换成双精度浮点型 (89)StrToInteger字符串型转换成整型 (89)StrToTime字符串型转换成时间型 (89)TimeToStr时间类型转换为"yyyy.mm.dd hh:mi"格式 (89)Custom indicators自定义指标 (91)IndicatorBuffers (91)IndicatorCounted (92)IndicatorDigits (92)IndicatorShortName (93)SetIndexArrow (94)SetIndexBuffer (94)SetIndexDrawBegin (95)SetIndexEmptyValue (95)SetIndexLabel (96)SetIndexShift (97)SetIndexStyle (98)SetLevelStyle (98)SetLevelValue (99)Date & Time functions日期时间函数 (100)Day (100)DayOfWeek (100)Hour (100)Minute (101)Month (101)Seconds (101)TimeCurrent (101)TimeDay (102)TimeDayOfWeek (102)TimeDayOfYear (102)TimeHour (102)TimeLocal (102)TimeMinute (103)TimeMonth (103)TimeSeconds (103)TimeYear (103)Year (104)File functions文件函数 (105)FileClose关闭文件 (105)FileDelete删除文件 (105)FileFlush将缓存中的数据刷新到磁盘上去 (106)FileIsEnding文件结尾 (106)FileIsLineEnding (107)FileOpen打开文件 (107)FileOpenHistory历史目录中打开文件 (108)FileReadArray将二进制文件读取到数组中 (108)FileReadDouble从文件中读取浮点型数据 (109)FileReadInteger从当前二进制文件读取整形型数据 (109)FileReadNumber (109)FileReadString从当前文件位置读取字串符 (110)FileSeek文件指针移动 (110)FileSize文件大小 (111)FileTell文件指针的当前位置 (111)FileWrite写入文件 (112)FileWriteArray一个二进制文件写入数组 (112)FileWriteDouble一个二进制文件以浮动小数点写入双重值 (113)FileWriteInteger一个二进制文件写入整数值 (113)FileWriteString当前文件位置函数写入一个二进制文件字串符 (114)Global variables全局变量 (115)GlobalVariableCheck (115)GlobalVariableDel (115)GlobalVariableGet (115)GlobalVariableName (116)GlobalVariableSet (116)GlobalVariableSetOnCondition (116)GlobalVariablesTotal (117)Math & Trig数学和三角函数 (119)MathAbs (119)MathArccos (119)MathArcsin (119)MathArctan (120)MathCeil (120)MathCos (120)MathExp (121)MathFloor (121)MathLog (122)MathMax (122)MathMin (122)MathMod (122)MathPow (123)MathRand (123)MathRound (123)MathSin (124)MathSqrt (124)MathSrand (124)MathTan (125)Object functions目标函数 (126)ObjectCreate建立目标 (126)ObjectDelete删除目标 (127)ObjectDescription目标描述 (127)ObjectFind查找目标 (127)ObjectGet目标属性 (128)ObjectGetFiboDescription斐波纳契描述 (128)ObjectGetShiftByValue (128)ObjectGetValueByShift (129)ObjectMove移动目标 (129)ObjectName目标名 (129)ObjectsDeleteAll删除所有目标 (130)ObjectSet改变目标属性 (130)ObjectSetFiboDescription改变目标斐波纳契指标 (131)ObjectSetText改变目标说明 (131)ObjectsTotal返回目标总量 (131)ObjectType返回目标类型 (132)String functions字符串函数 (133)StringConcatenate字符串连接 (133)StringFind字符串搜索 (133)StringGetChar字符串指定位置代码 (133)StringLen字符串长度 (134)StringSubstr提取子字符串 (134)StringTrimLeft (135)StringTrimRight (135)Technical indicators技术指标 (136)iAC比尔.威廉斯的加速器或减速箱振荡器 (136)iAD离散指标 (136)iAlligator比尔・威廉斯的鳄鱼指标 (136)iADX移动定向索引 (137)iATR平均真实范围 (137)iAO比尔.威廉斯的振荡器 (138)iBearsPower熊功率指标 (138)iBands保力加通道技术指标 (138)iBandsOnArray保力加通道指标 (139)iBullsPower牛市指标 (139)iCCI商品通道索引指标 (139)iCCIOnArray商品通道索引指标 (140)iCustom指定的客户指标 (140)iDeMarker (140)iEnvelopes包络指标 (141)iEnvelopesOnArray包络指标 (141)iForce强力索引指标 (142)iFractals分形索引指标 (142)iGator随机震荡指标 (142)iIchimoku (143)iBWMFI比尔.威廉斯市场斐波纳契指标 (143)iMomentum动量索引指标 (143)iMomentumOnArray (144)iMFI资金流量索引指标 (144)iMA移动平均指标 (144)iMAOnArray (145)iOsMA移动振动平均震荡器指标 (145)iMACD移动平均数汇总/分离指标 (146)iOBV能量潮指标 (146)iSAR抛物线状止损和反转指标 (146)iRSI相对强弱索引指标 (147)iRSIOnArray (147)iRVI相对活力索引指标 (147)iStdDev标准偏差指标 (148)iStdDevOnArray (148)iStochastic随机震荡指标 (148)iWPR威廉指标 (149)Timeseries access时间序列图表数据 (150)iBars柱的数量 (150)iClose (150)iHigh (151)iHighest (151)iLow (152)iLowest (152)iOpen (152)iTime (153)iVolume (153)Trading functions交易函数 (155)Execution errors (155)OrderClose (157)OrderCloseBy (158)OrderClosePrice (158)OrderCloseTime (158)OrderComment (159)OrderCommission (159)OrderDelete (159)OrderExpiration (160)OrderLots (160)OrderMagicNumber (160)OrderModify (160)OrderOpenPrice (161)OrderOpenTime (161)OrderPrint (162)OrderProfit (162)OrderSelect (162)OrderSend (163)OrdersHistoryTotal (164)OrderStopLoss (164)OrdersTotal (164)OrderSwap (165)OrderSymbol (165)OrderTakeProfit (165)OrderTicket (166)OrderType (166)Window functions窗口函数 (167)HideTestIndicators隐藏指标 (167)Period使用周期 (167)RefreshRates刷新预定义变量和系列数组的数据 (167)Symbol当前货币对 (168)WindowBarsPerChart可见柱总数 (168)WindowExpertName智能交易系统名称 (169)WindowFind返回名称 (169)WindowFirstVisibleBar第一个可见柱 (169)WindowHandle (169)WindowIsVisible图表在子窗口中可见 (170)WindowOnDropped (170)WindowPriceMax (170)WindowPriceMin (171)WindowPriceOnDropped (171)WindowRedraw (172)WindowScreenShot (172)WindowTimeOnDropped (173)WindowsTotal指标窗口数 (173)WindowXOnDropped (173)WindowYOnDropped (174)Obsolete functions过时的函数 (175)MetaQuotes Language 4 (MQL4) 是一种新的内置型程序用来编写交易策略。
堆叠自动编码器的模型解释与可解释性分析(十)
堆叠自动编码器的模型解释与可解释性分析自动编码器是一种神经网络模型，它可以通过学习输入数据的特征来实现数据的自动编码和解码。
堆叠自动编码器是一种更加复杂的自动编码器模型，它由多个自动编码器组合而成，通常用于处理大规模高维数据。
在实际应用中，堆叠自动编码器因其强大的特征学习能力而备受关注。
然而，堆叠自动编码器作为深度学习模型，其内部结构复杂，导致其模型解释性较差。
本文将从堆叠自动编码器的模型解释和可解释性分析两个方面进行探讨。
模型解释首先，我们需要了解堆叠自动编码器的工作原理。
堆叠自动编码器由多个自动编码器组合而成，通常包括编码器和解码器两部分。
编码器用于将输入数据进行特征提取和压缩，而解码器则用于将编码后的特征重新映射到原始数据空间。
通过多层堆叠，堆叠自动编码器可以学习到数据的高阶特征表示，从而实现更加复杂的特征学习和数据重建。
然而，由于堆叠自动编码器的复杂结构和参数量较大，其模型解释性较差。
在实际应用中，我们往往需要理解模型是如何对输入数据进行特征学习和表示的。
因此，对于堆叠自动编码器的模型解释至关重要。
可解释性分析为了提高堆叠自动编码器的可解释性，我们可以从以下几个方面进行分析和改进。
首先，我们可以通过可视化的方式来解释堆叠自动编码器的特征学习过程。
通过将输入数据和编码后的特征进行可视化展示，可以帮助我们理解模型是如何对数据进行特征学习和表示的。
同时，可视化也有助于发现数据中的特征模式和结构，从而更好地理解模型的工作原理。
其次，我们可以借助特征重建误差来评估堆叠自动编码器的特征学习效果。
特征重建误差是指模型对输入数据进行解码重建后与原始数据的差异程度。
通过分析特征重建误差的分布和趋势，我们可以评估模型对不同特征的重建效果，从而了解模型的学习能力和特征表达能力。
此外，我们还可以通过特征重要性分析来解释堆叠自动编码器的特征学习效果。
通过对编码后的特征进行重要性排序和分析，我们可以发现模型对于不同特征的重要程度，从而深入理解模型是如何对数据进行特征学习和表示的。
巧用Excel函数处理集装箱货运数据
为避 免发生溢短装 ， 理货公 司必须在装船前 向船公 在 “ ｏｋ一 Ｂ ｏ２ 预配清单” 中未查找到该箱号 ， 属于 “ 有
司提 供 场地 箱 清单 （ 图 １ ， 见 ）以便 与预 配 清单 （ 图 箱无 据 ”的情 况 ， 由船 公 司追 加 舱单 数 据 或 由货 见 应
２进 行 核 对 。 ）
数组 。
能 在规 定 的集 港 时 间 内将该 箱 运进 堆 场 ， “ 据 即 有
２
期
３ 。 期
（￡ ＝ 二 １
无箱 ” （ ） 然预 配舱 单并 未 生 成 某个 集 装 箱 的货 ‘ ｏｋ一 配 清 单”中查 找 到该 箱 号 ；＇ｏｋ 一 ；２ 虽 ＇ ｏ２ 预 Ｂ ‘ ｏ ｌ场地 Ｂ 运数 据 ， 但货 主误 将该 箱 运 进 堆场 ， “ 箱无 据 ” 箱 清单 ” Ｄ 列 相应 位 置 显示 错 误 值 ‘ 厂 ， 明 即 有 。 的 铆 ’ 表
数据
定列 处 的数 值 ， 语 法结 构 为 ＶＬ Ｋ 其 ＯＯ ＵＰ（ ｏｕ＿ １ ｋｐ ｏ
ｖ ｌ ｅ ｔｂ ｅ ａ ｒ ｙ，ｏ ｉ ｄ ｘ ａｕ ，ａ ｌ ｒａ ｃ ｌ ｎ ｅ
— ＿
＿
ｎ ｍ， ｎ ｅ ｌｏ ｕ ） 各参 ｕ ｒ ｇ—ｏ ｋ ｐ ， ａ
利用 Ｖ Ｏ ＵＰ函数 可 以轻 松 、 效地 对 集装 Ｌ ＯＫ 高 箱 货 运数 据 进行 批量 处 理 ， 而且 数据 越 多越 能 体现
“ＶＬ ０Ｋ （２［ｏｋ 一 ＝ Ｏ ｕＰ Ｂ ， ｏ ｌ场地 箱 清 单 ． ｓＳ ｅｔ！ Ｂ ｘ 】 ｈｅｌ￥ ｌ
Ｂ￥ ： Ｂ￥ ｌ１ ） 其 中 ： ２ ￥ １ ， ”， ０ 输人 第 ２个 参数 Ｄ ＇ ｏ２ Ｂ 的 ２单 元格 中输入 公 式
基于机器学习算法的船舶自动识别系统设计
基于机器学习算法的船舶自动识别系统设计船舶自动识别系统（AIS）是一种关键技术，能够通过卫星和地面市场的接收器来实时跟踪船舶的位置、航向和速度等信息。
现在，越来越多的船舶开始配备AIS设备，这不仅提高了船舶导航的安全性，而且也有助于船运业的管理和监控。
而基于机器学习算法的AIS系统，则更加智能化和自动化，让船舶监控更加高效精准。
机器学习（Machine Learning）是一种人工智能的分支，能够让计算机从一系列的数据样本中学习出规律和特征，进而进行预测和决策等任务。
基于机器学习的AIS系统，就可以通过学习海上的运动规律、船舶的特征等信息，来完成自动识别和预测的任务。
首先，基于机器学习的AIS系统需要进行有效的数据采集和处理。
一般来说，AIS系统会自动对船舶的信息进行记录和存储，这些信息包括船名、IMO号、MMSI号、位置、速度、航向、船长、船宽、吃水等。
然后，可以通过各种方法和工具对这些数据进行分析和处理，其中包括数据清理、归一化、降维、特征提取等操作，以达到更好地知识发掘和应用的目的。
接着，需要进行机器学习算法的选择和建模。
在AIS系统中，可以采用多种机器学习算法，如朴素贝叶斯、支持向量机、决策树、神经网络等，根据具体的任务需求和数据特征来选择适合的算法和模型。
例如，可以使用基于半监督学习的聚类算法来发现船舶流的聚类结构，或者使用基于深度学习的卷积神经网络来实现船舶类型的自动识别。
最后，需要进行机器学习模型的效果评估和调优。
在模型训练和应用过程中，需要考虑到模型的预测精度、鲁棒性、时间效率、资源消耗等指标。
因此，可以采用交叉验证、ROC曲线、F1-score 等评估方法，来综合得到模型的表现和局限，并进行相应的参数优化和模型选择。
总之，基于机器学习算法的AIS系统设计，是一个涉及到数据处理、算法选择和模型评价的复杂技术，需要从不断的实践和优化中不断进步。
通过机器学习技术的应用，可以为海上航行安全提供更可靠的数据支持，为船运管理提供更智能化和高效的决策支持，也可以为未来的智慧海洋建设奠定更坚实的基础。
pytorch中dataloader、dataset、sampler原理作用
pytorch中dataloader、dataset、sampler原理
作用
PyTorch中的DataLoader、Dataset和Sampler是用于数据加载和处理的工具，其作用如下：
1.Dataset：Dataset是一个抽象类，用于将数据封装成Python可以识别的
数据结构。
它不能被实例化，需要定义自己的数据集类作为Dataset的子类来继承其属性和方法。
Dataset的作用是将数据集转换为可以进行遍历的对象，每次迭代可以从数据集中返回一组数据。
2.DataLoader：DataLoader是PyTorch中用于数据加载的工具类，它可以
有效地读取和处理数据集。
DataLoader的作用是将数据集变成可以进行遍历的对象，每次迭代可以从数据集中返回一组数据。
在模型训练时，可以使用DataLoader批量读取数据，提高训练效率。
DataLoader提供了各种参数和功能，如批处理、打乱数据、并行加载等。
3.Sampler：Sampler是一个迭代器基类，用于指定每个step需要读取哪些
数据。
Sampler通过提供一个iter方法来产生迭代索引值，以及一个len 方法来返回每次迭代器的长度。
Sampler的作用是控制数据采样的方式，例如顺序采样、随机采样等。
总结来说，Dataset、DataLoader和Sampler在PyTorch中分别负责数据集的定义、数据加载和处理以及数据采样的控制。
它们一起工作，使研究人员能够方便地处理和训练机器学习模型。
数据通信原理实验指导书
实验一编码与译码一、实验学时：2学时二、实验类型：验证型三、实验仪器：安装Matlab软件的PC机一台四、实验目的：用MATLAB仿真技术实现信源编译码、过失操纵编译码,并计算误码率。
在那个实验中咱们将观看到二进制信息是如何进行编码的。
咱们将要紧了解：1．目前用于数字通信的基带码型2．过失操纵编译码五、实验内容：1．经常使用基带码型（1）利用MATLAB 函数wave_gen 来产生代表二进制序列的波形,函数wave_gen 的格式是：wave_gen(二进制码元,‘码型’,Rb)此处Rb 是二进制码元速度,单位为比特/秒（bps）。
产生如下的二进制序列：>> b = [1 0 1 0 1 1];利用Rb=1000bps 的单极性不归零码产生代表b的波形且显示波形x，填写图1-1：>> x = wave_gen(b,‘unipolar_nrz’,1000);>> waveplot(x)（2）用如下码型重复步骤（1）（提示：能够键入“help wave_gen”来获取帮忙），并做出相应的记录：a 双极性不归零码b 单极性归零码c 双极性归零码d 曼彻斯特码(manchester)x 10-3x 10-3图1-1 单极性不归零码图1-2双极性不归零码x 10-3x 10-32．过失操纵编译码（1） 利用MATLAB 函数encode 来对二进制序列进行过失操纵编码, 函数encode 的格式是：A ．code = encode(msg,n,k,'linear/fmt',genmat)B ．code = encode(msg,n,k,'cyclic/fmt',genpoly)C ．code = encode(msg,n,k,'hamming/fmt',prim_poly)其中A ．用于产生线性分组码，B ．用于产生循环码，C ．用于产生hamming 码，msg 为待编码二进制序列，n 为码字长度，k 为分组msg 长度，genmat 为生成矩阵，维数为k*n ，genpoly 为生成多项式,缺省情形下为cyclpoly(n,k)。
TerraExplorer Pro v7.0用户操作手册-2019v1.0
4.1
启动界面 ......................................................................................................................... 13
4.2
界面布局 ......................................................................................................................... 13
3.1
TerraExplorer 7.0.1 版本新特性 .......................................................................................8
3.1.1 栅格图层改进 ............................................................................................................ 8
3.2.6 分析工具..................................................................................................................10
3.2.7 使用 SkylineGlobe Server– 发布工具 .....................................................................10
1.1
关于本手册 ....................................................................................................................... 1
基于机器学习的船舶目标检测与跟踪算法
基于机器学习的船舶目标检测与跟踪算法船舶目标检测与跟踪是海上交通管理、安全监控以及海洋资源调查等领域的关键技术之一。
随着计算机视觉和机器学习的快速发展，基于机器学习的船舶目标检测与跟踪算法在实际应用中取得了显著的成果。
本文将介绍基于机器学习的船舶目标检测与跟踪算法的原理、方法和近期的研究进展。
首先，我们需要了解船舶目标检测与跟踪算法的原理。
通常，船舶目标检测与跟踪算法分为两个步骤：目标检测和目标跟踪。
目标检测是在给定图像或视频中确定船舶目标的位置和边界框。
通常使用的机器学习算法包括卷积神经网络（CNN）和支持向量机（SVM）等。
目标跟踪是在连续的图像帧中跟踪船舶目标的位置和运动。
常用的跟踪算法包括卡尔曼滤波器和基于深度学习的相关滤波器等。
其次，我们将介绍一些常用的基于机器学习的船舶目标检测算法。
其中，卷积神经网络是目前最常用的方法之一。
卷积神经网络通过学习大量的船舶目标图像，可以通过卷积和池化等操作，提取图像中的特征，并最终识别船舶目标。
此外，还有一些基于区域提议网络（R-CNN）和单阶段检测器（SSD）等方法，它们可以更有效地在图像中定位和检测船舶目标。
在船舶目标跟踪方面，相关滤波器是一个常用的方法。
相关滤波器首先通过学习船舶目标的样本特征，然后在连续的图像帧中通过特征匹配来实现目标跟踪。
此外，还有一些使用循环神经网络（RNN）和长短期记忆网络（LSTM）等方法来处理目标跟踪问题。
这些方法可以捕捉目标在时间上的连续性，并对目标的运动进行建模，从而提高跟踪的准确性和稳定性。
近年来，一些深度学习的进展进一步改进了船舶目标检测与跟踪算法。
例如，将多尺度信息加入卷积神经网络中，可以提高检测算法对不同尺度船舶目标的准确性。
此外，引入注意力机制和时空注意力机制等技术，可以提高跟踪算法对目标区域的关注度，并减少误判。
同时，数据增强、迁移学习和集成学习等方法也被广泛运用以提高算法性能。
总结起来，基于机器学习的船舶目标检测与跟踪算法在海上交通管理和安全监控中具有重要意义。
横截面动量策略代码
横截面动量策略代码横截面动量策略是一种投资策略，基于过去一段时间内的价格动量来预测未来的价格变动。
在编写代码之前，我们需要明确策略的逻辑和步骤。
以下是一个简单的横截面动量策略的代码示例，使用Python语言和pandas 库实现。
python复制代码import pandas as pdimport numpy as npimport yfinance as yf# 下载股票数据tickers = ['AAPL', 'GOOGL', 'MSFT', 'AMZN', 'FB'] # 示例股票列表data = yf.download(tickers, start='2022-01-01', end='2023-01-01') # 计算动量momentum_period = 6 # 动量计算期数，例如6个月momentum = data['Adj Close'].pct_change(momentum_period * 20) # 使用月度数据，因此乘以20# 选择动量最高的股票def select_top_momentum(data, n_stocks):top_momentum = data.nlargest(n=n_stocks,columns=data.columns[-1])return top_momentum.columns.tolist()# 策略执行n_stocks_to_select = 2 # 选择动量最高的2只股票selected_stocks = select_top_momentum(momentum,n_stocks_to_select)# 输出结果print("Selected stocks for the next month:")print(selected_stocks)# 在实际应用中，你可能需要实现交易逻辑，如买入和卖出等。
skimage measure label原理
bel 是 Python 中用于标记连通区域的函数。
这个函数通常用于图像分割和物体识别等领域。
在实际应用中，我们经常需要将图像中的不同区域进行标记，以便进行后续的分析和处理。
而 bel 函数就是实现这一功能的利器。
bel 函数的原理主要包括以下几个方面：1. 图像的表示方式在理解 bel 函数的原理之前，首先需要了解图像在计算机中的表示方式。
通常情况下，一幅图像可以用一个二维数组来表示，每个元素对应图像中的一个像素点，而像素点的值则表示该点的颜色或灰度值。
在 skimage 中，图像通常以 NumPy 数组的形式存储，这样方便进行数值计算和图像处理操作。
2. 连通区域的定义在图像处理中，连通区域是指图像中具有相同像素值且相互之间通过边界相连的像素集合。
通常情况下，我们需要对图像进行连通区域的标记，以便进行后续的处理和分析。
3. bel 函数的原理bel 函数的主要原理就是基于图像的连通区域进行标记。
该函数接受一个二值化图像作为输入，并根据输入图像中的连通区域进行标记，标记的结果是一个与输入图像大小相同的二维数组，数组中的每个元素表示对应像素点所属的标记号。
4. 标记过程在进行标记的过程中，bel 函数会遍历输入图像中的每个像素点，对于每个像素点，判断其是否属于已经标记过的连通区域，如果不属于，则为该连通区域赋予一个新的标记号，并递归地标记与该像素点相连的所有像素点。
通过这样的方式，整个图像中的连通区域都会被进行标记，最终得到一个标记了连通区域的二维数组。
5. 标记结果的应用经过 bel 函数标记的结果可以用于后续的图像分割、特征提取和物体识别等应用中。
通过分析标记后的连通区域，我们可以获得图像中不同物体的轮廓信息、面积等特征，从而进行更加精确的图像分析和处理。
bel 函数是一个基于图像连通区域进行标记的函数，它能够帮助我们对图像中的不同区域进行标记，为后续的图像处理和分析提供基础支持。
通过了解该函数的原理，我们可以更加深入地理解图像处理和分割的相关概念，为相关领域的研究和应用奠定基础。
qvalueaxis 设置间隔 科学计数法 -回复
qvalueaxis 设置间隔科学计数法-回复如何使用qvalueaxis设置间隔以及如何在科学计数法下显示坐标轴的标签。
当绘制图表时，正确设置间隔和标签显示是非常重要的。
在Qt中，可以使用QValueAxis类来完成这个任务。
在本文中，我们将使用QValueAxis 类的一些方法来设置间隔，并使用科学计数法来显示坐标轴标签。
首先，我们需要创建一个QChart对象，并且创建一个QValueAxis对象来代表我们的坐标轴。
然后，我们将QValueAxis对象添加到QChart中。
接下来，我们可以使用QValueAxis的setTickCount方法来设置刻度线的数量。
例如，如果我们想要在坐标轴上显示10个刻度线，我们可以使用以下代码：cppQChart *chart = new QChart();QValueAxis *axisX = new QValueAxis();chart->addAxis(axisX, Qt::AlignBottom);axisX->setTickCount(10);在这个例子中，我们创建了一个QChart对象chart，创建了一个QValueAxis对象axisX，并将axisX添加到chart中。
然后，我们使用axisX的setTickCount方法来设置刻度线的数量为10。
接下来，我们可以使用setRange方法来设置坐标轴的范围。
这个方法接受两个参数，分别表示坐标轴的最小值和最大值。
例如，如果我们想要将坐标轴的范围设置为0到100，我们可以使用以下代码：cppaxisX->setRange(0, 100);在这个例子中，我们使用axisX的setRange方法来设置坐标轴的范围为0到100。
接下来，我们来看看如何在科学计数法下显示坐标轴的标签。
首先，我们需要使用setFormat方法来设置坐标轴标签的格式。
这个方法接受一个格式字符串作为参数。
在这个字符串中，可以使用特定的占位符来表示标签的值。
依据MBD技术的船舶数据集定义与标注方法
依据MBD技术的船舶数据集定义与标注方法MBD技术（Model-Based Design，基于模型的设计）是一种通过使用实时仿真模型进行系统设计、开发和验证的方法。
在船舶领域，MBD技术可以用于船舶数据集的定义和标注方法。
船舶数据集的定义是指确定需要收集和记录的船舶相关数据的过程。
在MBD技术中，船舶数据集的定义是基于船舶设计和性能要求的。
这些数据可以包括船舶的尺寸、重量、稳性参数、推进系统特性、船舶航行性能等。
通过定义船舶数据集，可以为船舶设计和仿真提供必要的输入和验证。
船舶数据集的标注方法是指对收集到的船舶数据进行注释和标记的过程。
在MBD技术中，船舶数据集的标注方法可以包括以下几个方面：1.标注船舶性能参数：船舶性能参数是船舶数据集中最关键的部分之一、这包括标注船舶的速度、加速度、舵角、推力等信息。
通过标注这些参数，可以准确地模拟船舶在不同情况下的性能。
2.标注船舶航行状态：船舶航行状态包括船舶的位置、航向和姿态等信息。
这些信息是进行船舶运动模拟和控制的基础。
通过标注船舶航行状态，可以为仿真模型提供准确的输入和实时的反馈。
3.标注船舶传感器数据：船舶传感器数据是指通过安装在船舶上的传感器收集到的物理量数据，如温度、压力、湿度等。
通过标注船舶传感器数据，可以为船舶的监测和控制提供实时的信息。
4.标注船舶环境数据：船舶环境数据是指船舶所处环境的相关数据，如海洋环境参数、风速、海浪等。
通过标注船舶环境数据，可以为船舶的设计和运行提供参考和验证。
5.标注船舶系统数据：船舶系统数据是指与船舶相关的系统数据，如推进系统的功率、燃料消耗等。
通过标注船舶系统数据，可以对船舶的性能和效率进行评估和优化。
在使用MBD技术进行船舶数据集的定义和标注时，需要注意以下几个方面：1.数据质量：确保数据的准确性和可靠性，避免数据的误差和偏差对模型和仿真结果的影响。
2.数据一致性：保持数据的一致性，确保各种数据的衔接和关联，以提高模型的准确性和可靠性。
依据MBD技术的船舶数据集定义与标注方法
依据MBD技术的船舶数据集定义与标注方法船舶数据集定义与标注方法依据MBD技术，即模型基础设计技术。
MBD技术是一种建模方法，通过创建一个虚拟模型来描述系统的行为和功能。
在船舶领域中，MBD技术可以用于定义和标注船舶数据集。
船舶数据集的标注方法是指对数据集进行标记和分类的方法。
标注是
为了使机器能够理解和处理数据，通过对数据进行标注，可以为后续的分
析和应用提供基础。
船舶数据集的标注方法可以分为两个步骤：数据预处
理和数据标注。
数据预处理是指为了提高数据质量和准确性而对数据进行的处理过程。
在船舶数据集中，数据预处理可以包括数据清洗、去噪和异常值处理等。
清洗数据可以去除重复数据和缺失数据，保证数据的完整性和一致性。
去
噪可以通过滤波器等技术去除数据中的噪声，提高数据的准确性。
异常值
处理可以通过设定阈值或使用统计方法来检测和处理异常值，确保数据的
可靠性。
船舶数据集的定义与标注方法是船舶数据应用的基础。
通过采用MBD
技术，可以确保船舶数据集的准确性和可靠性，提高数据的价值和应用效果。
未来，随着船舶数据应用的广泛推广，船舶数据集的定义与标注方法
将不断完善和优化，为船舶行业的发展提供有力支持。
max_depth参数 -回复
max_depth参数-回复max_depth参数的含义、作用、使用方法以及使用场景。
同时，文章也会对决策树模型的基本原理作出简单介绍。
一、max_depth参数的含义和作用max_depth是Sklearn中决策树分类器和回归器的一个参数，它表示决策树的最大深度。
在构建决策树模型时，max_depth参数会控制决策树的生成过程，即它会限制决策树的深度，使得生成的决策树模型不会太过复杂，从而提高其泛化能力，避免过拟合的问题。
通俗来说，max_depth参数能够控制决策树生成的复杂程度。
如果max_depth参数不够高，则生成的决策树会比较浅，对于训练集的拟合程度较低，但是可能会有欠拟合的问题；如果max_depth参数太高，则生成的决策树会非常深，训练集的拟合程度很高，但是可能会有过拟合的问题。
二、max_depth参数的使用方法在使用Sklearn中的决策树分类器和回归器时，max_depth参数非常容易使用，只需要将其作为模型的参数传入并指定它的值即可。
例如，在使用DecisionTreeRegressor回归器时，可以这样定义：pythonmodel = DecisionTreeRegressor(max_depth=5)这里将max_depth参数设置为5，表示最大深度为5。
在实际应用中，max_depth参数的值可以通过调参得到。
通过比较不同max_depth参数值下模型的性能表现，可以找到使模型拟合度和泛化能力之间达到平衡的最佳max_depth参数。
三、max_depth参数的使用场景在实际应用中，max_depth参数通常会在模型调参过程中被使用。
max_depth参数常常和其他参数一同被使用，例如min_samples_split （节点划分所需的最小样本数）、min_samples_leaf（叶子节点所需的最小样本数）等。
这些参数（包括max_depth参数）一起协同作用，用于调整模型的样本划分策略，从而得到最佳的模型。
哥伦布编码压缩率 -回复
哥伦布编码压缩率-回复什么是哥伦布编码？哥伦布编码，又称为差分编码，是一种用来压缩数据的无损压缩算法。
它的基本原理是通过记录数据值之间的差异来减少数据的存储空间。
哥伦布编码最初是在16世纪由意大利探险家哥伦布使用的一种方法，用于记录航行航向的变化。
在现代计算机科学领域，哥伦布编码被广泛应用于数据压缩和图像处理等领域。
哥伦布编码的基本原理是通过记录数据值之间的差异来减少数据的存储需求。
它首先将数据值的第一个值作为参考点，然后将后续的数据与参考点进行比较。
如果后续的数据与参考点相等，则将其编码为0；如果后续的数据比参考点大，则将其编码为正数，并且记录其与参考点的差值；如果后续的数据比参考点小，则将其编码为负数，并且记录其与参考点的差值。
为了更好地理解哥伦布编码的原理，我们可以通过一个简单的例子来说明。
假设有一组数据序列：[10, 12, 14, 16, 18, 20]。
使用哥伦布编码对这组数据进行压缩的过程如下：1. 第一个数据10作为参考点。
2. 第二个数据12与参考点比较，差值为2，编码为正数2。
3. 第三个数据14与参考点比较，差值为4，编码为正数4。
4. 第四个数据16与参考点比较，差值为6，编码为正数6。
5. 第五个数据18与参考点比较，差值为8，编码为正数8。
6. 第六个数据20与参考点比较，差值为10，编码为正数10。
经过哥伦布编码后，整个数据序列可以用以下编码表示：[10, +2, +4, +6, +8, +10]。
哥伦布编码的压缩率是指通过使用哥伦布编码压缩后的数据与原始数据之间的比值。
压缩率越高，则说明哥伦布编码对数据进行了更好的压缩。
而压缩率的计算方法是通过将压缩后数据的长度除以原始数据的长度来得到的。
在上面的例子中，原始数据序列的长度为6，而压缩后的数据序列长度也为6。
因此，该例子中的哥伦布编码的压缩率为1。
这说明哥伦布编码并没有对数据进行有效的压缩。
然而，哥伦布编码的压缩率取决于数据之间的差异程度。
如何使用机器学习技术进行船舶轨迹预测
如何使用机器学习技术进行船舶轨迹预测使用机器学习技术进行船舶轨迹预测船舶轨迹预测是一个重要的任务，在海上航行和船舶运输过程中具有广泛的应用。
通过预测船舶的轨迹，我们可以提前进行航行规划、避免碰撞事故、提高航行效率等。
而机器学习技术是一种有效的手段，可以利用历史数据来训练模型，并通过模型进行预测。
本文将介绍如何使用机器学习技术进行船舶轨迹预测。
首先，船舶轨迹预测需要有可靠的数据集来进行训练和测试。
我们可以利用船舶自动识别系统（AIS）来获取大量的船舶轨迹数据。
AIS系统通过全球定位系统（GPS）和无线电频率传输信息，可以提供船舶的位置、速度、航向等信息。
这些数据可以被记录下来，构成我们的数据集。
接下来，我们需要对数据进行预处理和特征工程。
在预处理环节中，我们可以清洗数据、处理缺失值、移除异常值等，以保证数据的质量。
在特征工程方面，我们可以提取一些与船舶轨迹相关的特征，比如航向变化、速度变化、船舶类型等。
这些特征将成为我们模型的输入。
在船舶轨迹预测中，常用的机器学习算法包括线性回归、决策树、支持向量机和神经网络等。
这些算法可以用于建立预测模型，并通过输入特征来进行训练。
在模型选择方面，我们可以根据具体的需求和数据特点选择最适合的算法。
同时，我们还可以使用模型评估指标来评估模型的性能，比如均方根误差（RMSE）、平均绝对误差（MAE）等。
在训练模型之前，我们需要将数据集划分为训练集和测试集。
训练集用于训练模型，而测试集用于评估模型在新数据上的表现。
一般来说，我们可以将数据集的70%用作训练集，30%用作测试集。
在训练过程中，我们可以使用交叉验证等技术来优化模型的参数和超参数，提高模型的泛化能力。
模型训练完成后，我们就可以开始进行船舶轨迹的预测了。
对于给定的输入特征，模型将输出对应的轨迹预测结果。
预测结果可以是船舶的位置坐标、速度信息等。
为了提高预测的准确性，我们可以使用集成学习方法，比如随机森林、梯度提升树等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
gggg [hhhh iiii] jjjjjjjjjjj
<CR>
Font or bar code size
命令格式之ffff gggg a b c d eee ffff gggg [hhhh iiii] jjjjjjjLeabharlann jjj<CR>
ffff: Row Position gggg: Column Position 1张打印纸=4X6(inch) 1 inch=2.54cm 1张打印纸=10X15(cm) 1 cm=40 1张打印纸=400X600, 坐标原点在打印纸的左下方
我是原点
命令格式之hhhh iiiii
hhhh: Optional Scalable Font Height iiii: Optional Scalable Font Width 很少使用，设定font是以dot还是point方式打 印 值越大单位面积点数越多字越清晰。
命令格式之jjjjjjjj...
Be a Good Ship Label Printer
DataMax驱动原理
DataMax打印机是识别命令进行打印的。且命令的接口是向开发人员开 放的。因此， 1，命令的格式是简单且相对固定的。 2，命令的可读性还可以(进行了一定程度的包装)。 3，命令提供多样化的功能（打印字符，barcode,image）
命令格式之b a b c d eee ffff
gggg [hhhh iiii] jjjjjjjjjjj
<CR>
b:Fonts(page156), Bar Codes(page173), Graphics and Images 1-8：是DataMax自定义的字号， 9是用户自定义的（取决于eee） A-T：是带文字说明的条形码 a-z：是不带文字说明的条形码 Wxx：扩展的barcode X：打印线，图形 Y：图片
Image不推荐（.BMP, .IMG, .PCX and a special Datamax 7-bit ASCII）
^BqA(CR) ^BIAAFLOGO(CR)
8030FFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFF0000(CR) 8030FFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFF0000(CR) 8030FFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFF0000(CR) 8030FFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFF0000(CR) 8030FFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFF0000(CR) 8030FFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFF0000(CR) 8030FFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFF0000(CR) 8030FFC00000007FFC0003FFFFC001FC0001FC0003FFFFC0018000FFC001FF8000C0003FFFFE000000FFFFE0001FFFFF0000(CR) 8030FFC00000000FFC0003FFFFC001FC0001FC0003FFFFC0018000FFC001FF800040001FFFFE0000007FFFC0001FFFFF0000(CR) 8030FFC000000003FC0001FFFFC001FC0001FC0001FFFFC0018000FFC001FF800040001FFFFE0000003FFFC0001FFFFF0000(CR) 8030FFC000000000FC0001FFFFC001FE0001FE0001FFFFC00180007FC000FF800060001FFFFE0000003FFFC0003FFFFF0000(CR) 8030FFE0000000007E0001FFFFC001FE0001FE0001FFFFC00180007FC000FFC00060000FFFFE0000001FFFC0003FFFFF0000(CR) 8030FFE0000000003E0000FFFFC001FE0000FE0000FFFFC00180007FC0007FC00020000FFFFE0000001FFF80003FFFFF0000(CR) 8030FFE0000000001E0000FFFFC001FE0000FF0000FFFFC001C0007FC0007FC00030000FFFFE0010000FFF80003FFFFF0000(CR) 8030FFE0000000000F0000FFFFC001FE0000FF0000FFFFC001C0007FC0007FC00030000FFFFE00180007FF80007FFFFF0000(CR) 8030FFE0000000000700007FFFC001FF0000FF80007FFFC001C0007FC0003FC000380007FFFE00180007FF80007FFFFF0000(CR) 8030FFF0000000000380007FFFC001FF0000FF80007FFFC001C0003FC0003FE000380007FFFE001C0003FF80007FFFFF0000(CR) 8030FFF0000000000380007FFFC001FF0000FF80007FFFC001C0003FC0003FE000380007FFFE001E0003FF80007FFFFF0000(CR) 8030FFF0000000000180003FFFC001FF00007FC0003FFFC001C0003FC0001FE0001C0003FFFE001E0001FF0000FFFFFF0000(CR) 8030FFF00000000001C0003FFFC001FF00007FC0003FFFC001E0003FC0001FE0001C0003FFFE001F0000FF0000FFFFFF0000(CR) 8030FFF00007C00000C0003FFFC001FF00007FE0003FFFC001E0003FC0000FF0001E0003FFFE001F0000FF0000FFFFFF0000(CR) 8030FFF80007F80000E0001FFFC001FF80007FE0001FFFC001E0003FC0000FF0001E0001FFFE001F80007F0000FFFFFF0000(CR) 8030FFF80007FC0000E00000000001FF80007FE00000000001E0001FC0000FF0001E00000000001FC0007F0000FFFFFF0000(CR) 8030FFF80007FE0000600000000001FF80003FF00000000001E0001FC00007F0000F00000000001FC0003F0001FFFFFF0000(CR) 8030FFF80003FF0000700000000001FF80003FF00000000001F0001FC00007F0000F00000000001FE0001E0001FFFFFF0000(CR) 8030FFF80003FF0000700000000001FF80003FF00000000001F0001FC00007F8000F00000000001FE0001E0001FFFFFF0000(CR) 8030FFFC0001FFC0003C0000000001FFE0001FFE0000000001F8000FC00000FC0007E0000000001FFE00000003FFFFFF0000(CR) 8030FFFE0001FFC0001E0000000001FFE0001FFE0000000001F8000FC00000FC0007E0000000001FFF00000003FFFFFF0000(CR) 8030FFFE0001FFC0001E0000000001FFE0001FFE0000000001F8000FC00000FC0007F0000000001FFF00000007FFFFFF0000(CR) 8030FFFE0000FFC0001F0000000001FFE0000FFF0000000001F8000FC000007C0003F0000000001FFF80000007FFFFFF0000(CR) 8030FFFE0000FFC0001F0000000001FFE0000FFF0000000001FC0007C000007E0003F0000000001FFF80000007FFFFFF0000(CR) 8030FFFE0000FFE0001F0001FFC001FFE0000FFF8001FFC001FC0007C000003E0003F8000FFE001FFFC0000007FFFFFF0000(CR) 8030FFFE0000FFE0000F8001FFC001FFF0000FFF8000FFC001FC0007C000003E0003F8000FFE001FFFE000000FFFFFFF0