无线传感技术在船舶物联网异常节点检测中的应用

船舶物联网受到攻击后,容易出现数量不一、属性不同的异常节点,为此,研究无线传感技术在船舶物联网异常节点检测中的应用。将网络所有节点部署到二维平面网格聚类,通过加权滤波法确定物联网聚类集合中的信号强度,根据节点离群程度判定异常值节点位置。实验结果表明,测试设置了3组节点数量不一、属性不同的异常节点方案,在无线传感技术的应用下,只遗漏了1个异常节点,说明无线传感技术能够应用到船舶物联网中检测异常数据。     

船用无线传感网络最优通信节点选取方法

传统无线传感网络最优通信节点选取方法对于船舶而言,存在最优通信节点选取性能较差的问题。为此,设计一种船用无线传感网络最优通信节点选取方法。首先获取船舶用无线传感网络各方面的性能参数,包括链路带宽、消耗功率、传输数据包延时以及面积消耗。根据获取参数,利用射线跟踪法对船舶用无线传感网络在船舶上的信号传播实施仿真。根据船信号传播仿真结果,构建最优通信节点选取模型,对船用无线传感网络的最优通信节点进行选取。为了证明船用无线传感网络最优通信节点选取方法的最优通信节点选取性能较好,将传统方法与该方法进行最优通信节点选取性能对比实验,实验结果证明该方法的最优通信节点选取性能优于传统方法。     

船舶水下通信系统中海声信道文本数据聚类方法研究

传统的文本数据聚类方法性能较差,无法得到最优的聚类原型。为了解决这个问题,提出船舶水下通信系统中海声信道文本数据聚类方法研究。首先处理在船舶水下通信系统中选取的海声信道文本数据,在应用聚类定义,分解文本数据相异度矩阵,为统一变量度量值,应用绝对偏差均值公式进行标准化处理,在此基础上,对海声信道文本数据进行聚类,由此,完成海声信道文本数据聚类方法的设计。在实验中,随机选取10组文本数据相异度矩阵,通过对比2种方法的性能,验证所提方法的可行性。实验结果表明,所提方法性能更好,更占优势。     

基于机器学习算法的船舶通信网络信道估计

针对传统船舶通信网络信道估计方法调控响应性能较差的问题,提出一种基于机器学习算法的船舶通信网络信道估计方法。在物理层LTE协议中定义导频序列,基于gold序列设计船舶通信网络信道的导频序列,通过奈奎斯特定理决定导频信号的插入密度,在设计的船舶通信网络信道导频序列中按照该密度插入导频信号,基于机器学习算法拟合不同时间点同一子帧内的信道估计值,以实现船舶通信网络的信道估计。为了证明基于机器学习算法的船舶通信网络信道估计方法的调控响应性能较强,比较该方法与传统船舶通信网络信道估方法。实验结果证明该方法的调控曲线拟合性最强,即该方法的调控响应性能优于实验中的传统方法,证明了该方法的优越性。     

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。     

基于最优化流控模型的船舶通信链路拥塞控制方法

传统船舶通信链路控制方法无法更好地对链路拥塞节点进行最优分配,导致通信链路层拥塞问题频出。结合最优化流控模型的特点,提出基于最优化流控模型的船舶通信链路拥塞控制方法研究。基于最优化流控模型,对拥塞链路层进行基于最优化流控模型的TPC对偶模型的建立,获得链路层拥塞节点参量;根据获得参量,引入优化后的链路拥塞疏导控制算法,对拥塞节点进行疏导控制计算,从而实现对链路层节点的最优化控制。通过实验方式对提出设计进行拥塞控制效果的对比测试,通过对比数据证明提出设计具有链路节点控制准确、稳定性好、适用性强的特点。     

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%。     

大数据环境下基于协同过滤算法的船舶信息推荐模型研究

传统的船舶信息推荐模型的MAE值偏高,因此提出大数据环境下基于协同过滤算法的船舶信息推荐模型研究。利用船舶信息采集装置传输船舶信息,并利用HDFS文件处理传输的信息生成船舶信息数据集。在大数据环境下挖掘用户需求,计算相邻用户相似度,基于协同过滤算法的规则,选取最近邻居聚类用户,完成信息的随机分组。同时协同过滤出大量船舶信息,并对剩余信息进行深层次的信息匹配预测评分,从高到低生成信息推荐列表,完成了推荐模型的研究。实验结果表明,设计的模型在实验中的平均MAE值比传统模型降低了0.135,说明设计的模型推荐精度更高。     

大数据分析技术在历史航行路线可视化中的应用

随着大数据分析技术的不断发展,船舶航线线路的规划与分析的计算速度得到了质的提升。伴随船舶航线规划的可视化,传统算法无法很好将大数据分析技术分析结果转换为可视化数据进行输出。因此,研究大数据分析技术在历史航行路线可视化中的应用。通过大数据分析技术建立历史航线模型,同时对模型数据的传输信道进行优化计算,保证可视化数据转换过程中的读取稳定。采用DHZA可视化转换对模型数据进行转换输出,实现从架构上的稳定对接与转换。实验证明,大数据分析技术在航线可视化输出中具有一定作用。     

基于Web技术的装载计算软件设计与实现

针对传统装载仪因受互联网技术和图形处理技术的限制,大多数为单机版且无三维可视化功能现有的局限性,提出将Web技术应用到装载仪中以实现船舶与公司之间共享配载数据,达到实时监控和保障船舶安全航行的目的。采用Web技术、Java编程语言、液位在线监测技术、MySQL 5.5免费版数据库对船舶数据的存储与读取功能和Web图形库(Web Graphics Library,WebGL)的三维可视化功能,在Windows操作系统上开发一套船舶装载在线计算的软件。船员和岸上人员可登录软件进行计算、查看装载计算结果。将“互联网+”理念与船舶装载计算相结合,建立“互联网+船舶配载”体系结构对船舶航运行业的结构转型具有重要的意义。     

基于PCA与属性权重模糊聚类的入侵检测方法

针对入侵检测数据集中存在大量冗余信息及传统聚类算法的效果不佳,提出了结合主成分分析与属性权重模糊聚类算法的入侵检测方法。该方法分为特征提取和模糊聚类两阶段,使用主成分分析进行特征提取、消除冗余属性;将经主成分分析后得到新成分的贡献率作为聚类算法中属性的权重值,实现了基于属性权重的模糊聚类。在KDD-CUP99数据集中的实验结果表明,该方法能有效地降低检测训练时间和提高检测正确率。     

船舶无线网络优化数据采集与处理

传统船舶无线网络优化数据的采集和处理速度已经不能满足当前船舶数据采集获取要求,对此提出船舶无线网络优化数据采集与处理技术。通过制定船舶无线网络的信道编码,组合网络通信链路协议层,重新搭建船舶数据网络环境,采用MAP节点传输方法,根据上述设计网络环境,对船舶通信数据动态分配情况及时调整节点传输状态,提出网络判决门限算法,保证网络优化有效性,实现船舶无线网络优化和数据采集处理。实验研究表明,与传统船舶无线网络优化数据采集处理技术相比,应用新型信息采集技术后,船舶网络节点覆盖率提高22%,数据路径负载率降低17%,可以证明该技术可以有效提高船舶数据采集和处理速率。     

大数据环境下船舶航行异常属性采集方法研究

为了缩短船舶航行异常属性的采集时间,提高异常属性的采集效率,提出了大数据环境下船舶航行异常属性采集方法研究。在大数据环境下,将船舶航行异常属性的尺度空间函数展开,通过计算异常属性主曲率的大小,寻找船舶航行异常属性的边缘特征点,完成船舶航行异常属性特征点的提取。采用异常属性变异系数,得到了采集传感器节点的能量消耗,利用船舶航行异常属性采集算法的实现流程,实现了大数据环境下船舶航行异常属性的采集。实验结果表明,大数据环境下的异常属性采集方法与传统采集方法相比,异常属性的采集效率提高了46.05%。     

船舶航线远程控制网络攻击信息实时检测方法

传统船舶航线控制网络信息攻击检测方法,受到远程数据核编码器数据同步的时间不对称影响,导致攻击节点数据核受损信息无同检测算法检测量实时同步,从而出现检测响应出现延迟,降低了检测方法的整体效果。根据数据核编码器数据同步特点,提出船舶航线远程控制网络攻击信息实时检测方法研究。首先,对远程数据核编码器进行计算变量的同步优化;然后,引入布谷鸟算法根据编码器计算特征量,对被远程攻击受损数据进行节点定位;最后,通过数据标准化计算,完成对攻击数据节点位置的确定,完成对船舶航线远程控制网络攻击信息实时检测。通过与传统检测方法的实验数据对比结果,证明提出方法的有效性。     

基于大数据的船舶网络数据资源调度模型构建

船舶数据设备种类在不断增加,目前船舶数据调度方法在实际应用存在调度量低且精准度差的情况。因此对基于大数据的船舶网络数据资源调度模型进行构建,通过对模型特点分析后,进行大数据船舶网络数据资源调度模型构建,模型通过对大数据相似度进行计算后对数据中干扰进行过滤,对过滤后数据进行子任务量分配,从而对整体数据定义分类,最终实现分类后的大数据调度。通过仿真实验,对船舶网络大数据资源调度模型与传统船舶网络数据调度方法的数据调度总量以及数据调度精准度进行对比,证明模型构建的有效性。     

工业无线网络标准WIA-PA协议在船舶通信系统的应用

无线网络是舰船通信系统进行数据传输的重要媒介,近年来,随着海上航运业的不断发展,船舶的数量不断增加,相对应的海上航线也更加复杂,船舶在正常营运过程中每天都会产生大量的数据信息,给传统的舰船通信系统带来了压力。本文针对这一问题,引入一种工业无线网络WIA-PA技术,并基于工业无线网络WIAPA对船舶的通信系统进行软件和硬件方面的优化。后期的测试效果证明,基于工业无线网络WIA-PA的船舶通信系统具有较好的性能。     

基于AIS数据约束聚类的海上交通特征分析

为识别船舶交通流,分析海上交通特征,根据海上交通工程理论和数据挖掘技术,考虑AIS数据点的多种属性约束,改进一种基于密度的聚类算法,从大量AIS数据中解析不同类型的船舶交通流,计算平均航向和航速,并选取浙沪交界复杂水域进行实例验证。聚类结果与实际相符,证实了算法的可行性和有效性。     

基于Spark的船舶航行轨迹聚类方法

依托船舶自动识别系统(Automatic Identification System,AIS)数据,利用云计算并结合聚类算法,对船舶历史数据进行轨迹聚类分析,构建船舶航行正常轨迹模型,为实时检测船舶异常轨迹奠定基础,进而为提高水上交通监管智能化水平提供新方法。针对目前轨迹聚类算法效率低等问题,基于Spark内存计算技术及数据分区思想,提出一种改进的并行子轨迹聚类算法SPDBSCANST(Parallel DBSCAN of Sub Trajectory Based on Spark)。以长江航道武汉段船舶航行数据为例进行试验验证,并通过可视化方式呈现。结果表明,改进后的算法的聚类效率和效果都有明显提升。     

船舶雷达和AIS大数据可视化研究中Web技术的应用

在船舶的日常营运中,雷达系统和AIS系统是船舶导航、通信和目标探测不可或缺的关键系统,雷达和AIS系统的运行会产生海量的船舶数据,船舶雷达和AIS大数据分析已经成为一项研究热点。本文结合船舶雷达和AIS系统的数据特点,利用web客户端的Web GL技术进行了船舶雷达和AIS大数据的可视化研究,将船舶雷达与AIS大数据以动态Web海图的形式实现可视化。     

大数据分析下的船舶调度方法研究

船舶分布状态数据为一组非线性组合的离散数据,采用大数据分析方法进行船舶调度,提高船舶分配的有效性,提出一种基于关联匹配的船舶分布状态数据聚类及船舶调度方法。对采集的船舶大数据进行模糊C均值聚类处理,根据船舶状态特征属性分布进行大数据环境下的关联规则挖掘,提取反映船舶属性的特征量,以提取的特征量进行关联匹配,实现船舶优化调度。仿真结果表明,采用该方法进行船舶调度能有效反映船舶的类别属性,提高船舶的分类管理和调度能力,从而提高船舶的运输效率。