舰船通信网络异常数据的弱关联定位技术

网络异常直接关系着舰船通信的安全,为了准确对舰船通信网络异常数据进行检测和定位,设计了基于数据挖掘技术的舰船通信网络异常数据弱关联定位技术。首先对舰船通信网络异常数据的定位现状进行分析,指出当前定位技术的不足,然后引入数据挖掘技术对舰船通信网络异常数据变化特点进行刻画,实现舰船通信网络异常数据的弱关联定位,最后采用标准舰船通信网络异常数据集进行有效性测试。结果表明,本文技术可以获得高精度的舰船通信网络异常数据定位结果,而且舰船通信网络异常数据定位误差远远小于当前其他技术,具有十分显著的优越性,研究结果具有一定的理论和实际价值。     

基于大数据的舰船通信网络信息资源提取方法分析

常规通信网络信息资源提取方法应用于舰船通信网络信息资源提取中,存在信息资源提取误差较大的不足,为此提出基于大数据的舰船通信网络信息资源提取方法分析。依托大数据标记函数,搭建舰船通信网络信息标记规则,对目标函数建立索引;依托高性能检索机制,实现舰船通信网络信息资源提取,完成基于大数据的舰船通信网络信息资源提取方法分析。试验数据表明,提出的通信网络信息资源提取方法较常规信息资源提取方法,信息资源提取误差降低38.64%,适合舰船通信网络信息资源的提取。     

基于数据驱动的舰船通信网络异常行为检测方法

为了提高对舰船通信网络异常识别能力,提出基于数据驱动的舰船通信网络异常行为检测方法。采用最短路径和最大覆盖范围寻优方法构建舰船通信网络的节点覆盖模型,通过最小间隔均衡技术对舰船通信网络的信道均衡控制,提取舰船通信网络的信道传输信息特征。对舰船通信网络的行为特征参数分析,结合谱分量融合和融合聚类处理方法,实现对舰船网络异常行为的数据驱动控制。根据数据驱动的图模型参数识别和异常谱特征聚类分析,实现对舰船通信网络异常行为检测。测试结果表明,该方法能够进行舰船通信网络异常行为检测处理,提高信道均衡性能     

舰船机舱监控网络高维感知数据弱关联挖掘研究

舰船机舱监控网络高维感知数据主要包含正常状态数据与异常状态数据,其中异常状态数据规模较大,增加舰船机舱监控网络高维感知数据弱关联挖掘的难度,导致数据弱关联挖掘效率较低,为此设计一种舰船机舱监控网络高维感知数据弱关联挖掘方法。采集舰船机舱监控网络高维感知数据,计算采集到的数据点与数据点之间的紧密联系度,确定异常数据最合适的异常处理时间,在此基础上,对正常感知数据与异常感知数据特征相关性参数进行统计特征分析,对数据弱关联模糊值评估,完成舰船机舱监控网络高维感知数据弱关联挖掘。实验证明,在正常感知数据与异常感知数据弱关联挖掘上,此次设计的方法都比传统2种方法的挖掘效率高。     

基于并行深度卷积神经网络的舰船通信异常数据检测研究

为了提高通信异常数据检测效果,设计基于并行深度卷积神经网络算法的大规模舰船通信异常数据检测方法。采集大规模舰船通信数据,采用小波变换对数据实施降噪处理,将降噪后数据输入并行深度卷积神经网络中,经过模型训练提取特征,利用Softmax分类函数得出舰船通信异常数据特征,输出舰船通信异常数据检测结果。实验结果表明：该方法可有效实现大规模舰船通信异常数据检测,其加速比最高,并行效果最优;具有较强的大规模舰船通信数据集检测能力,提高大规模舰船通信异常数据检测效果。     

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。     

基于极限学习机的舰船网络入侵检测算法

针对传统网络入侵检测算法在舰船网络中存在的检测误差高的问题,提出基于极限学习机的舰船网络入侵检测算法。构建舰船通信网络模型,在该模型下实时采集通信数据并对其进行预处理。将采集的数据作为输入项,利用极限学习机算法提取网络入侵特征。根据网络入侵行为设置行为特征标准,结合舰船网络入侵节点聚集度的计算结果,得出舰船网络入侵检测结果。通过与传统入侵检测算法的对比发现,设计算法的检测误差有所降低,即入侵检测精度得到提升。     

RSSI的舰船通信网络节点定位算法

节点四边测量定位算法存在节点定位精度低的缺陷,无法满足现今舰船通信的需求,故提出RSSI的舰船通信网络节点定位算法。该算法主要划分为测距阶段、定位阶段与修正阶段,其中测距阶段基于RSSI构建测距模型,获取节点RSSI值;定位阶段以节点RSSI值为基础,通过锚节点质心初步计算节点定位坐标;修正阶段在初步定位坐标基础上补偿其误差,获取最终的节点定位坐标,从而实现舰船通信网络节点的定位。实验结果显示:在通信半径为10与20的背景下,与对比算法相比较,本文算法平均定位误差分别下降了4.44%与4.94%,充分表明本文算法节点定位精度更高。     

舰船用通信网络的异常数据监测技术研究

为了保障舰船用通信网络的数据传输的准确性,提高舰船网络的故障智能分析能力,需要进行异常数据监测,提出一种基于舰船用通信网络传输信号瞬时频率估计的异常数据监测技术。对采集的通信网络输出信号经过时频分解完成时域与频域之间的转换,采用高阶累积量特征提取方法进行舰船用通信网络中的异常数据检测,对检测的异常数据进行干扰和冗余数据滤波处理,完成对舰船用通信网络输出信号的瞬时频率估计,分析瞬时频率的异常状态特征,实现异常数据监测。仿真结果表明,采用该方法进行舰船用通信网络的异常数据监测能提高数据挖掘的准确度,对异常数据检测的虚警较低,抗干扰能力较强。     

基于大数据技术的舰船磁场异常信号粗提取

舰船磁场异常阈值滤波的幅度特征不一,导致异常信号粗提取信噪比值过低。基于此,提出基于大数据技术的舰船磁场异常信号粗提取方法。基于大数据技术设计舰船磁场异常信号粗提取方法,分解舰船异常信号,并从重构的分解异常信号中提取异常特征值。在此基础上,对磁场异常阈值进行滤波识别,对磁场异常阈值滤波的幅度特征进行整合,获取舰船磁场异常信号。至此,完成基于大数据技术的舰船磁场异常信号粗提取方法设计。分析实验结果:采用基于大数据技术的舰船磁场异常信号粗提取方法异常信号粗提取的信噪比值最高为-3 dB,表明所提方法异常信号粗提取效果较好。