基于大数据分析的舰船航行轨迹预判研究

现有舰船航行轨迹预判方法存在轨迹预判模式不完善的问题,导致航行轨迹点覆盖程度较低,设计一种基于大数据分析的舰船航行轨迹预判方法。获取舰船航行数据,定义并插补舰船航行基准数据,利用密度聚类算法挖掘航迹图谱,计算航线轨迹点距离,设定航行异常阈值,基于大数据分析设置轨迹预判模式,实现轨迹预判方法设计。实验结果表明,此次设计的轨迹预判方法,其航行轨迹点覆盖程度均值比其他2种现有轨迹预判方法分别高13.621%,12.138%,证明融合了大数据分析的轨迹预判方法更加有效。     

机器学习算法的舰船路径跟踪误差估计

针对传统舰船路径跟踪误差估计方法存在误差估计性能较差的问题,设计一种机器学习算法的舰船路径跟踪误差估计方法,对舰船路径跟踪时的运动方向进行简化。根据其扰动状态对舰船路径跟踪实施扰动分析,获取舰船路径跟踪时的旋转角度与角速度。设舰船在初始跟踪位置开始跟踪目标船,通过轨迹跟踪获取目标船的参考运动轨迹,利用饱和输入约束获取舰船路径跟踪目标轨迹的控制参数,并将其作为目标船参考运动轨迹的决定优化变量,获取参考运动轨迹,利用机器学习算法对舰船路径跟踪误差进行估计。为了证明机器学习算法的舰船路径跟踪误差估计方法的误差估计性能较好,将传统方法与该方法进行对比实验,实验结果证明该方法的误差估计性能优于传统方法。     

大型舰船穿越海上桥梁过程安全性远程监测方法分析

为了提高大型舰船横穿桥梁时,其远程监测的有效监控范围,设计提出了一种基于舰船轨迹分析的新型安全性远程监测方法。建立固定坐标系和舰船航行坐标系,根据舰船航行重心G,明确船舶航迹及船位,通过三维点云数据提取技术,提取航迹特征值,根据聚类计算结果,求取船舶未来过桥时的有效路径及间距,建立远程传输通路和后台分析模块,通过知识库内预设的逻辑处理分析程序,对当前船舶轨迹特征信息和预设轨迹特征信息进行测评,实现舰船安全性远程监测。实验数据显示,该方法在顺向风流环境下,对舰船安全性远程监测有效监控范围提高了29%,说明该方法确实可以提高远程监控的有效监控范围,具有明显优势性。     

基于三维地理信息的舰船输电通道多源信息融合技术研究

针对舰船输电通道差异性数据聚类出现的中心不定问题,提出基于三维地理信息的舰船输电通道多源信息融合技术。构建舰船配电网络输电通道的信息传输信道模型,采用量化跟踪调制方法对信道进行自适应调整以补偿信道畸变;对舰船输电通道覆盖区域进行三维地理信息特征采集,对采集的地理信息特征进行模糊C均值聚类处理,并输入到舰船输电通道中组成一组训练序列+信息序列的帧信号,在决策指向性模式下实现舰船输电通道多元信息融合。仿真结果表明,采用该方法进行舰船输电通道信息融合,可提高舰船配电网络输电通道负载均衡性,抗干扰能力较强,从而改善了舰船配电网的结构性能。     

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。     

启发式舰船通信网络拓扑结构分析方法

常规通信网络拓扑结构分析方法对混合网络拓扑结构识别度不高,造成结构分析效果不佳,为此研究新型启发式舰船通信网络拓扑结构分析方法。通过计算极值坐标点构建网络节点聚类布图,在网络节点聚类布图中对拓扑结构粗化以及结构多层路径进行划分,通过对拓扑结点放置位置确认实现通信网络拓扑结构分析。设计仿真实验,通过与传统方法对比得到,设计的方法针对混合网络拓扑结构的识别能力远超于传统方法。     

基于聚类算法的舰船通信数据深度挖掘方法

传统挖掘方法无法考虑众多通信因素的多层次特征,造成数据挖掘效果不理想,为此设计一种基于聚类算法的舰船通信数据深度挖掘方法。利用聚类算法,对通信数据的多层次特征进行筛选,从而为通信数据的深度挖掘提供依据,结合聚类挖掘粗糙集,生成数据深度挖掘的关联规则并进行聚类计算,对每个通信数据执行交叉变换逻辑,实现舰船通信数据的深度挖掘。实验结果表明,利用聚类算法进行通信数据的深度挖掘,能够提高数据的挖掘速度,且准确率较传统方法高27.15%。     

无线网络舰船运动目标检测动态聚类图

在舰船航行的过程当中会受到海面随机因素的影响,使舰船自身特征被周边环境所掩盖,导致其统计显著性不明显。针对上述问题,提出无线网络的舰船运动目标检测动态聚类图研究。将海上原始流量数据聚类,采集环境信息,定位舰船运动轨迹,计算舰船理想位置与目标位置间的距离残差,利用谱图划分的模式,从不同角度提取目标舰船特征,从微观层次转变到介观层次,完成无线网络的舰船运动目标检测动态聚类图研究。实验结果表明,所提出的新型方法将检测范围加以细化后,提高了运动目标的显著度,使舰船自身特征识别能力得以提高,从而有效减小了周边环境对聚类结果的影响。     

无线网络的舰船交通数据挖掘技术

现有数据挖掘技术在确定关联规则时,忽略了时空数据因果关联关系,影响轨迹聚类效果,提出一种无线网络的舰船交通数据挖掘技术。从节点覆盖和容量估算两方面,部署舰船无线网络节点,确保无线网络规划的有效性。对无线网络采集的交通状态数据,计算传递信息熵,建立时空数据因果关联关系,以此为关联规则,设计数据挖掘算法确定轨迹聚类。实验结果表明,本文提出的数据挖掘技术,在轮廓系数和CH指数2个指标上的聚类效果优于对比方法,具有良好的应用前景。     

多维缩放舰船运行数据聚类算法设计

传统的聚类化运算算法(基于K-Means算法),在大数据环境下运算力下降,数据聚类运算收敛不足。提出基于多维缩放的舰船运行数据聚类算法设计。利用基于多维缩放的KNTSCCA聚类算法,对舰船运行数据传统算法进行替换,通过对舰船数据的降维迭代计算,实现多维缩放聚类算法设计。通过仿真实验证明,提出的多维缩放的舰船运行数据聚类算法,能够解决现有基于K-Means算法收敛不足的问题,具有可行性。     

遗传算法在船舶运行轨迹大数据智能采集中的应用

针对当前舰船航迹数据采集方法信息更新速度慢、采集精确度低,无法满足海上航道信息采集要求的问题,提出了基于遗传算法的船舶运行轨迹大数据智能采集应用方法。分析和挖掘船舶航迹数据,得到船舶总体运行特征,优化航迹压缩算法,通过实时处理冗余信息并进行多层存储,噪声去除、插值和航迹分割大型船舶航迹数据,实现轨迹空间并行聚类,采用遗传算法简化航迹数据,得到多个块区域的点集合数据,并窗口化处理块区域,识别航迹通道边界,完成船舶航迹数据的精确采集。实验结果表明,所提方法的信息更新速度较快,能够有效提高采集精确度,满足船舶航行轨迹采集要求。     

基于视觉传达的模糊舰船图像目标分类检测

模糊舰船图像的有效分类识别可提高对目标的准确打击和辨识能力,提出基于视觉传达和图像增强的模糊舰船图像目标分类检测模型。构建模糊舰船图像的多传感视觉采集模型,采用目标图像与背景图像差分分析方法实现对舰船图像的目标特征提取和聚类处理,根据视觉聚类传达和目标图像的特征点增强结果,结合模糊C均值聚类算法,实现对舰船目标图像的分类检测。测试得知,该方法进行舰船目标分类检测的聚类性较好,识别精度较高,视觉传达效果显著增强。     

基于智能优化算法的舰船航行轨迹跟踪

针对当前舰船航行轨迹跟踪精度的难题,设计了基于智能优化算法的舰船航行轨迹跟踪方法。首先结合舰船航行轨迹跟踪的特点,将舰船航行轨迹跟踪问题转换为一个多目标优化问题,然后引入智能优化算法对网格点的多目标优化问题进行求解,找到最优的舰船航行轨迹跟踪方案,最后进行舰船航行轨迹跟踪仿真测试,测试结果表明,智能优化算法获得了比传统算法更优的舰船航行轨迹跟踪精度,而且舰船航行轨迹跟踪的速度高,具有较好应用价值。     

基于无线网络的舰船智慧导航系统

以实现安全精确舰船导航为目的,设计无线网络的舰船智慧导航系统.卫星和GPS接收器获取舰船位置等信息,并使用纸质海图导入功能获取电子海图,将电子海图和舰船位置信息发送到电子海图管理模块、查询统计模块和航行管理模块内,利用舰船导航模块实现舰船导航,使用电子海图管理模块和查询统计模块实现舰船运动轨迹显示、海图导出以及舰船当前...     

舰船物联网节点连通路径完整性评估方法

传统的物联网节点连通路径完整性评估方法评估误差较大。为解决这一问题,设计了一种舰船物联网节点连通路径完整性评估方法。首先确定舰船物联网支配集节点,然后选择一个源点和一个目标节点,最后利用SHA-1算法衡量物联网节点连通路径的完整性,以此完成舰船物联网节点连通路径完整性评估。实验对比证明,此次设计的舰船物联网节点连通路径完整性评估方法比传统评估方法评估误差小,能够为舰船物联网节点连通路径完整性评估提供一定的帮助。     

人工智能技术在舰船室内设计中的应用

针对传统舰船室内设计方法受到设计元素种类的影响,出现设计效果差的问题,以增强舰船室内设计效果为目的,提出人工智能技术在舰船室内设计中的应用研究。采用人工智能技术优化舰船室内视觉信息,利用视觉信息的获取步骤,得到舰船室内设计的视觉信息,将舰船室内设计的二维坐标转换为三维坐标,完成舰船室内的场景建模,最后通过舰船室内设计流程,实现了舰船室内设计。实验结果表明,与其他2种方法相比,基于人工智能技术的舰船室内设计方法可以增强舰船室内设计的效果。     

计算机辅助舰船零部件设计研究

目前,常见的舰船零部件设计方法在对零部件的设计过程中,因所设计的零部件之间的契合度不高,导致最终的设计效果不佳。基于此,提出一种计算机辅助的舰船零部件设计方法。首先,分析舰船零部件结构,建立舰船零部件数据库。根据数据库中的数据,利用Auto CAD开展舰船零部件的绘制工作。最后,建立舰船零部件的三维参数化模型。与传统的舰船零部件设计方法作对比,实验结果表明,提出的计算机辅助的舰船零部件设计方法能够提高零部件之间的契合度,表明该方法具有更好的设计效果。     

基于云计算的舰船信息检索系统关键技术研究

为了提高舰船定位识别和信息融合能力,进行舰船信息检索优化设计,提出基于云计算的舰船信息检索系统设计方法,采用关联规则特征提取方法进行信息特征提取,采用高阶统计量分析方法进行舰船信息融合处理,结合模糊C均值聚类方法进行舰船信息的隶属特征分类处理,在云计算环境下实现舰船信息的分类调度和信息分区检索。仿真结果表明,采用该方法进行舰船信息检索的查准率和查全率较高,抗互信息干扰能力较强,具有较好的信息挖掘检索能力。     

基于DBSCAN算法的船舶轨迹自适应层次聚类

为更好地从船舶自动识别系统(Automatic Indentification System,AIS)数据中挖掘信息,科学地感知水上交通态势,针对聚类算法(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)在水上交通情景中的参数选取问题,提出一种基于DBSCAN的船舶轨迹自适应层次聚类方法。通过分析DBSCAN算法的特性,根据数据集内在分布规律及拟聚类效果的变化规律来确定参数;结合统计学理论进行层次聚类,来适应密度分布不均的船舶轨迹数据。以琼州海峡船舶轨迹数据为例,运用VC软件和MATLAB软件进行验证。验证结果表明:该方法能够在大量复杂的船舶轨迹中发现具有相似性的轨迹群,且结果与实际交通流相符,可为航道建设及海事监管等提供辅助决策。     

全景视觉舰船图像局部特征点检测

针对传统的舰船图像局部特征点检测技术在检测特征点时,因重复抓取造成检测结果中噪点比例过高,影响有效信息读取的问题,因此设计全景视觉舰船图像局部特征点检测技术。在对舰船图像预处理后,计算稳定度和匹配度2个舰船图像局部特征点的检测参数。将计算得到的检测参数作为高斯金字塔的参数,使用高斯尺度空间法检测舰船图像特征点,完成全景视觉舰船局部特征点检测技术的设计。设计与传统的舰船图像局部特征点检测技术的对比实验,结果表明全景视觉舰船局部特征点检测技术能够有效减少特征点检测后的噪点数,检测效果更佳。