大数据环境下舰船环形通信网络信息云挖掘方法

针对舰船环形通信网络受到噪声干扰,信息挖掘结果置信度较低的问题,在大数据环境下提出了一种新的舰船环形通信网络信息云挖掘方法。确定数据集,通过协同处理完成数据清洗,基于大数据环境选取数据集,预处理舰船环形通信网络信息,离散分析并确定数据离散特征,通过自动跟踪方法直接将挖掘结果显示在用户界面,实现舰船环形通信系统数据的云挖掘。实验结果表明,大数据环境下舰船环形通信网络信息云挖掘方法能够很好地分析通信网络数据特征,实现分类挖掘,降低误码率,提高整体性能。     

基于物联网技术的舰船运行轨迹异常点识别

针对传统舰船运行轨迹异常点识别方法存在运行轨迹检测性能较差的问题,提出一种基于物联网技术的舰船运行轨迹异常点识别方法,获取舰船自动识别系统中的舰船运行轨迹数据,在舰船自动识别系统中,舰船运行轨迹数据的存放形式是日志文件,因此对系统中的日志文件进行挖掘,基于物联网技术对挖掘数据实施预处理,通过StopT-CB算法划分舰船运行轨迹以剔除停留点,便于进行异常点的识别,通过网格划分实现舰船运行轨迹的异常点识别。为了证明基于物联网技术的舰船运行轨迹异常点识别方法的运行轨迹检测性能更好,将传统舰船运行轨迹异常点识别方法与该方法进行对比实验,实验结果证明该方法的运行轨迹检测性能优于传统方法。     

物联网环境下船舶通信系统重复不完整数据自动挖掘方法

为了更好地保障船舶通信效果,避免通信过程中数据传输不完整的问题,提出物联网环境下船舶通信系统重复不完整数据自动挖掘方法,结合特征采集原理进行冗余数据的去除,通过对海量通信数据进行去噪、清洗、集成和转化处理,实现对不完整数据的有效采集和简化处理,从而在动态不完整数据跟踪的基础上,实现对复杂不完整数据的有效采集,构建挖掘模型,准确对不完整充分数据进行有效展示,保证数据通信效果。最后通过实验证实,物联网环境下船舶通信系统重复不完整数据自动挖掘方法具有更高的实用性,充分满足研究要求。     

物联网环境下舰船传感通信中的大数据云信息隐写技术研究

在物联网环境下,为提高舰船传感通信的安全性,提出一种基于空间几何维度概率密度特征分块的物联网环境下舰船传感通信中的大数据云信息隐写技术。采用空间几何学方法计算舰船传感通信信息分布的网格密度,将待隐写的数据通过密度阈值映射到划分的空间网格内,将信息分布空间网格划分为稠密单元和稀疏单元,结合概率密度特征提取方法进行信息融合处理,获取信息隐写算法的写入位置,把写入位置匹配到相应的数据块上,实现信息加密和隐蔽通信。仿真结果表明,采用该信息隐写技术在物联网环境下进行舰船传感通信,隐身数据量和信息稀疏性分布等指标性能优于传统的隐写算法。     

基于K-means聚类的舰船通信网络异常数据检测

为了解决海上通信环境中的干扰和传输问题,提升舰船通信网络通信质量和可靠性,提出基于Kmeans聚类的舰船通信网络异常数据检测方法。构建舰船通信网络通信多径信道模型,利用该模型获取舰船通信网络数据。使用基于超窄带滤波的舰船通信网络数据滤波处理方法去除舰船通信网络数据内的干扰噪声,将无噪声的舰船通信网络数据作为输入,使用K-means聚类算法输出舰船通信网络异常数据检测结果。结果表明,该方法采集舰船通信网络数据较为准确,并可有效去除数据内含有的干扰噪声,降低舰船通信网络数据幅值区间,同时可用聚类方式准确检测舰船通信网络异常数据,应用效果较为显著。     

物联网环境下舰船监控网络高维异常数据挖掘方法

为了准确识别物联网环境下舰船监控网络高维异常数据,针对当前识别方法存在的误差大、速度慢等不足,提出一种物联网环境下舰船监控网络高维异常数据挖掘方法。首先分析当前物联网环境下舰船监控网络高维异常数据识别的研究现状,指出各种方法的局限性,然后结合舰船监控网络异常数据的高维特点,引入解决了"维数灾"问题的支持向量机对舰船监控网络高维异常数据进行挖掘,找到舰船监控网络异常数据的变化趋势,最后通过仿真实验分析了其有效性和优越性。结果表明,本文方法提高了舰船监控网络高维异常数据识别正确率,误识率明显下降,减少了舰船监控网络高维异常数据识别时间,可以对大规模舰船监控网络高维异常数据进行处理,具有广泛的应用前景。     

船联网环境下舰船传感通信大数据融合调度算法

针对传统舰船传感通信大数据融合调度算法存在时延较高的问题,提出一种船联网环境下舰船传感通信大数据融合调度算法。在船联网环境下,通过ETL对舰船传感通信大数据实施预处理,步骤包括抽取大数据、转换大数据以及加载大数据,基于大数据预处理结果,制订数据融合调度策略,获取节点的具体发送序列,实施各时隙内融合周期调度状态的分配,获取最终的接收调度序列与睡眠调度序列,实现舰船传感通信大数据融合调度。实验结果证明该算法的时延最低,说明该算法更适用于舰船传感通信大数据融合调度。     

云计算环境下舰船通信数据深度挖掘方法

舰船通信设备的复杂化,使得通信数据量级增大,受到噪声、背景等多种因素的影响,潜在的数据很难被发现,而云计算可以提供并行编程服务,因此,进行云计算环境下舰船通信数据深度挖掘方法研究。基于云计算MapReduce并行编程模式,引入数据聚类技术,将通信数据划分为多个数据集,根据节点计算资源分配通信数据集,通过KNN分类挖掘算法计算每个节点数据之间的欧式距离,基于确定阈值分类通信数据,实现了通信数据的深度挖掘。实验数据表明:当数据量大于200万条,提出方法数据挖掘执行时间较低,更适用于舰船通信数据深度挖掘。     

物联网环境下远程舰船通信网络数据安全存储方法

常规的数据存储方法存在数据丢失的问题,导致通信网络数据安全性降低,因此研究物联网环境下,远程舰船通信网络数据安全存储方法。该方法设计了一个数据虚拟存储空间,经拆分平面拆分后重置数据置乱规则,通过建立分级混合加密机制,实现远程舰船通信网络数据的安全存储。实验测试表明,与常规的数据存储相比,应用该方法网络数据丢失量骤减,存储安全得到提升。     

大数据环境下舰船网络参数配置方法

在大数据环境下,传统的舰船网络参数配置方法在大量用户数据干扰情况下,很难保持灵活的应用能力。为此,提出大数据环境下舰船网络参数配置方法研究。依据舰船网络的实际需求,规划待配置参数,生成网络参数规划文件,定义与文件数据相匹配的通信协议,将网络参数配置相关指令下发到参数消息头中,在通信协议的支持下,实现网络参数消息的传输,完成网络参数配置。实验结果表明:提出的大数据环境下舰船网络参数配置方法 PDP激活成功率高、参数之间相关性强,该方法拥有灵活的应用能力。     

物联网海上舰船航行数据挖掘方法

为了保证海上舰船航行的安全,解决传统航行数据挖掘方法中存在的延时长的问题,利用物联网技术优化数据挖掘方法。遵循数据挖掘的基本原理搭建数据挖掘框架,在该框架下确定舰船的航行方向、航行路线等数据为待挖掘数据。在舰船的相应位置上安装物联网传感器,实现实时数据的采集与传输。以采集的实时航行数据库为基础,通过去除错误、航行位置计算等步骤,得出海上舰船航行数据的挖掘结果。通过与传统数据挖掘方法的对比发现,设计方法的数据挖掘速度提高了约50%。     

贝叶斯统计模型在舰船机电自动控制系统中的应用

为提升舰船机电自动控制效果,设计贝叶斯统计模型的舰船机电自动控制系统。现场设备层采集舰船机电设备运行数据,利用贝叶斯统计模型检测运行数据内的异常值,并剔除异常值,可编程逻辑控制器依据机电设备运行数据,确定机电控制向量;用户操作终端依据控制向量,生成舰船机电控制指令,经由传输层传输至现场设备层,利用执行机构按照控制指令自动控制机电设备。实验证明,该系统可有效采集舰船机电设备运行数据,并实现异常值检测,精准自动控制舰船机电。     

物联网技术舰船跨区域数据整合平台构建

以往采用基于角度控制方法和基于聚类方法整合数据,受到区域数据密度不均影响,导致数据整合效果较差。基于该问题急需解决,提出了物联网技术下舰船跨区域数据整合平台构建。在物联网技术下,构建舰船跨区域数据整合平台,确定平台内的操作管理层、数据预清洗层和数据整合层。通过各个层次,对平台系统控制和管理。依据数据清洗规则,对数据进行错误检查,剔除冗余和错误数据。分析数据库内资料,设计数据整合结构,完成平台架构设计。通过数据校验、数据转换、数据队列及数据分发协调和共享数据,使用反演算工具限制反演距离,使数据分布密度更加均匀。依据整合流程,完成平台构建。由实验结果可知,该平台数据分布均匀,整合效果较好。     

基于物联网技术的舰船综合电站监控系统开发

随着物联网通信技术的发展,结合当下舰船电站监控系统存在资源投入高、数据监控质量不高、人力投入较大的问题,提出物联网舰船综合电站监控系统开发。根据物联网监控技术标准,对舰船电站监控系统的硬件进行设计,接着对监控通信软件程序进行架构设计,然后对监控系统的电路监控算法进行针对性设计。最后,由实验对比数据对设计系统的可行性进行验证。     

舰船通信系统中的数据交换协议设计

舰船通信系统是保证舰船设备运行各项数据实时传输的硬件基础,在通信系统设计中,传统基于CAN总线协议、TCP/IP协议的通信系统难以保证实时通信速率的稳定性,可能存在数据报文丢失、通信质量不高的问题。在物联网快速发展的背景下,舰船通信系统应积极探寻和应用更为稳定成熟的数据交换协议。本文在分析传统数据交换协议的基础上,提出基于Zigbee数据交换协议设计的舰船通信系统,经过仿真实验验证,该通信系统能够保证较为稳定的实时通信速率。     

基于物联网环境的海上AIS大数据挖掘模型构建

传统的数据挖掘模型会受周围环境因素的影响,无法精准挖掘海上船舶运行数据,为此构建基于物联网环境的海上AIS大数据挖掘模型。在物联网平台将船舶运行轨迹、停泊轨迹和位置信息存入数据库中进行AIS数据预处理,为减小环境因素的波动,设置船舶AIS数据传输条件,利用聚类算法进行过滤处理,实现海上AIS大数据挖掘模型的构建。在实际测试中为考察2种数据挖掘模型的效果,分别在人为干扰环境下和同频干扰的环境下进行对比实验,由对比结果可知,所提方法可以精准的挖掘海上船舶AIS数据。     

物联网环境下舰船通信数据云隐写技术

随着物联网日趋复杂,物联网环境下船舶数据的通信安全受到极大威胁。传统的数据传输加密技术无法有效地保护数据不被暴力破解,且传统的隐写技术有无法适应物联网中庞大数据计算量。因此,提出物联网环境下舰船通信数据云隐写技术研究。通过对物联网内的待隐写数据进行模糊规则计算,得到隐写数据流的规则特征;再通过引入的对抗学习算法,使隐写数据流具备抗攻击能力;最后对待隐写数据流进行云端隐写的数据位置定位与融合计算,完成提出的物联网环境下舰船通信数据云隐写技术研究设计。为证明提出设计的可行性,采用300组随机数据对提出方法进行验证,通过数据的对比证明提出设计具有数据隐写速度块、数据写入位置定位准、隐藏效果好的特性。     

基于数据挖掘技术的舰船物联网流量预测

舰船物联网流量具有随机性、规律性的变化特点,为更好分析舰船物联网流量变化趋势,构建基于数据挖掘技术的舰船物联网流量预测方法。首先收集舰船物联网流量的数据,并对其进行聚类分析,选择部分样本作为训练样本,然后采用灰色理论模型对舰船物联网流量数据进行挖掘和分析,构建舰船物联网流量的预测模型,最后采用仿真实验对舰船物联网流量预测模型的拟合能力和泛化能力进行分析。结果表明,本文方法不仅可以高精度拟合舰船物联网流量变化特点,而且泛化能力良好,获得了高精度的舰船物联网流量拟合和泛化结果,比其他模型的舰船物联网流量预测效果更优。     

基于物联网技术的舰船电子通信多代理模式优化

舰船电子通信多代理模式优化方法通信数据发送成功率较低,导致接收数据延时过长。为了解决上述问题,应用物联网技术,研究一种新的舰船电子通信多代理模式优化方法,建立舰船通信多代理调度模型,在舰船电子通信链路上,添加一定数量的控制节点,确保控制节点与网络节点数量相同。引入物联网技术,连接舰船通信数据拓扑节点,分析舰船电子通信强度,优化舰船通信信息数据传输,分析舰船通信路径上的控制节点,实现舰船电子通信多代理模式优化。实验结果表明,应用物联网技术的舰船电子通信多代理模式优化方法可以有效提高发送成功率,减少接收数据延时。     

物联网环境下舰船通信网络异常数据检测系统设计

在物联网通信环境下,传统的船舶通信网络异常数据检测系统,受到IPv4接口协议的限制,导致采用IPv6高速物联交互协议的流量节点异常机制管控性降低,全局物联网络交互单元出现异常数据节点检测识别漏洞,给网络通信安全带来威胁。因此,提出物联网环境下舰船通信网络异常数据检测系统设计。通过架设基于IPv6协议的交互数据节点支持硬件,实现对底层数据流的硬核支持;在数据交互的链路层添加异常数据甄别检测单元,配合异常节点流量识别算法,实现在链路层上对物联网异常数据的识别拦截,从而完成系统的设计。为保证设计系统的有效性,通过仿真实验对设计系统的检测识别准确性进行对比,通过数据证明提出设计系统优于传统检测系统。