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%。     

基于关联规则的远洋舰船运行监控大数据挖掘方法

针对传统的远洋舰船运行监控大数据挖掘方法精准度低的情况,本文应用关联规则算法,对远洋舰船运行监控大数据挖掘方法进行设计。为了有效对舰船远行监控大数据挖掘,首先获取监控数据源,将数据存入到数据库中,在此基础上,对远洋舰船运行监控数据预处理,以此生成舰船运行监控大数据挖掘模型,完成了对运行监控大数据的挖掘,实验对比结果表明,本文设计的基于关联规则的远洋舰船运行监控大数据挖掘方法比传统的舰船运行监控大数据挖掘方法精准度高,具有一定的实际应用意义。     

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。     

计算机辅助下舰船运动轨迹信息聚类补偿方法

为了提升舰船运动轨迹信息的完整性,解决传统信息聚类补偿方法存在的补偿效果不佳的问题,提出了计算机辅助下舰船运动轨迹信息聚类补偿方法。首先收集不同来源获取的船板运动轨迹信息,并利用计算机辅助技术实现轨迹信息格式与坐标系的转换。提取特征轨迹点并划分轨迹信息,以轨迹点为聚类中心得出轨迹信息的聚类结果,并通过样条函数平滑处理轨迹信息,实现舰船运动轨迹信息的聚类补偿。将设计的补偿方法应用到实际的舰船运动轨迹信息中,经过与传统补偿方法的对比,发现设计的补偿方法最终获得的轨迹信息完整性提高了8.7%,即聚类补偿效果更好。     

舰船物联网异常节点检测的数据挖掘

异常节点检测是保证舰船物联网安全的关键技术之一。针对当前舰船物联网异常节点检测效果差的缺陷,为获得更优的舰船物联网异常节点检测效果,设计了基于数据挖掘的舰船物联网异常节点检测模型。首先对舰船物联网节点的数据进行分析,并对异常节点和正常节点的信息进行标记,建立舰船物联网异常节点检测的数据集,然后采用数据挖掘技术——极限学习机建立舰船物联网异常节点检测模型,最后与其他模型进行舰船物联网异常节点检测对比测试,测试结果表明,本文模型获得较好的舰船物联网异常节点检测率,而且误检率明显优于对比模型,验证了本文模型的优越性。     

基于概念分层的关联规则在酒店餐饮营业数据库的应用

酒店餐饮营业数据库信息实时汇总为管理者提供了方便,也为餐饮企业信息化的提升做了有力支撑.基于某酒店70万条餐饮营业数据,突破原有简单统计分析模式,通过概念分层和关联规则数据挖掘技术在餐饮营业数据库的有效应用,发现不同概念分层下的餐饮产品间的关联规则、客源聚类与餐饮产品间的多层关联规则等有用信息,为数据挖掘在传统服务领域应用拓展思路.     

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。     

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。     

大密度舰船电子海图中数据快速检索方法研究

为了提高舰船导航和定位能力,需要对大密度的舰船电子海图数据进行快速准确检索,针对舰船电子海图数据分布密度大、散列性较强的特点,提出基于自相关特征匹配和模糊C均值聚类的大密度舰船电子海图中数据快速检索方法。采用有向图和决策树构建舰船电子海图数据库的检索节点分布结构模型,提取舰船电子海图数据的语义关联性和规则性特征,采用自相关特征匹配方法对检索数据进行指向性挖掘和信息融合处理,对挖掘的关联数据进行模糊C均值聚类,实现对大密度舰船电子海图数据的分类检索。仿真结果表明,采用该方法进行大密度舰船电子海图中数据检索的收敛速度较快,提高数据检索的查准率和查全率,检索效率和准确性较高。     

基于关联规则的舰船故障数据定位挖掘算法

为了提高舰船故障检测能力,需要进行舰船故障数据的实时挖掘和分类分析,提出一种基于关联规则的舰船故障数据的定位挖掘方法。采用电磁探测器、水声换能器、声呐装置、声学传感器等设备进行不同工况下舰船数据采集,包括舰船辐射噪声、机械振动等数据,对采集的数据进行高维特征融合处理,提取舰船故障数据的关联规则特征量,对提取的特征量采用K均值算法进行聚类分析,并通过BP神经网络分类器实现舰船故障数据的分类识别,实现舰船故障数据定位挖掘。仿真结果表明,采用该方法进行舰船故障数据挖掘的准确性较好,对故障的定位能力较强,提高了舰船实时故障诊断能力。     

基于AIS信息的船舶轨迹聚类模型及应用

为获得船舶典型的运动模型,及时发现船舶异常轨迹并对其进行有效监控和管理,进而实现海上智能交通,基于船载AIS蕴藏着大量的海上交通特征的特点,从中获取能够反映船舶行为规律的有效的、潜在的信息。根据海上交通工程理论和数据挖掘技术,利用AIS信息并结合轨迹聚类算法,完成对已有轨迹的聚类,从中获取船舶典型的运动轨迹。以厦门港主航道及闽台直航船为实例,通过构建相应的AIS数据库并对船舶轨迹进行聚类结果展示,获得该海域船舶典型的运动轨迹。     

基于萤火虫算法的船舶交通数据并行调度方法

针对传统的舰船交通数据并行调度方法效率低的情况,提出基于萤火虫算法的船舶交通数据并行调度方法。以舰船调度时间为出发点,确定调度目标,并引入不确定因子,对舰船调度中的不确定因素进行处理,在此基础上,生成船舶交通数据并行调度规则,使所有船舶按照该规则进行调度,并考虑到存在大船和小船的情况,设置时间权参数,保证大船与小船同时到岗时,大船优先被调度,以此实现舰船交通数据并行调度。实验对比结果表明,此次设计的基于萤火虫算法的船舶交通数据并行调度方法比传统的调度方法效率高,具有一定的实际应用意义。     

舰船通信网络异常数据的弱关联定位技术

在舰船通信网络异常数据的弱关联定位中,由于使用传统弱关联定位技术的定位误差较大,因此提出一种舰船通信网络异常数据的弱关联定位技术,利用Netflow系统对舰船通信网络异常数据进行提取,通过相空间重构技术处理异常数据提取结果,并利用极限学习机进行数据挖掘,建立舰船通信网络异常数据弱关联定位模型,从而实现异常数据的弱关联定位,通过对比实验可知,该技术的最大定位误差比基于支持向量机的异常数据弱关联定位技术低21.1%;比基于特征遗传算法的异常数据弱关联定位技术低16.4%,证明了该技术更适用于舰船通信网络异常数据的弱关联定位。     

基于数据挖掘的电网检测数据分析

为提高电网检测数据的应用水平和电网设备的运行可靠性,论文提出一种基于数据挖掘的电网检测数据的分析方法。该方法基于数据挖掘算法原理,通过建立基于检测数据的关联规则模型,在模型中关联了电网设备运维的几个重要节点。最后通过对算例分析证明,论文所述的基于关联规则的数据挖掘方法,能够找出设备故障的主要原因和共性缺陷,为电网设备的安装、运维等提供有意义的指导。     

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。     

舰船推进系统集成管理知识挖掘方法研究

针对舰船推进系统集成管理中的实船训练仿真建模与机械设备状态评估等高级应用对知识的需求,研究知识管理中所需要的知识内容与形式,探索数据挖掘方法在大数据知识获取中的应用模式。以某型推进装置为对象,研究使用数据挖掘技术获取所需集成管理知识的途径,包括聚类算法在推进系统稳态工况基准模式识别中的应用,以及关联算法在状态特征模式识别中的应用等。本文研究为实现基于知识的舰船推进系统集成管理提供了研究基础。     

舰船无线网络入侵数据点自动定位方法

现有方法存在着入侵数据点定位能耗较高、定位速度较慢的缺陷,无法满足现今海洋战争的需求,因此提出新的舰船无线网络入侵数据点自动定位方法研究。为了提升入侵数据点定位精准度,确定无线网络移动节点运动轨迹,以此为基础,基于时间差(TDOA)计算发射节点与接收节点之间的距离,依据计算的距离数据,采用三边质心定位算法计算入侵数据点(节点D)的位置坐标,算法输出计算结果,即实现了舰船无线网络入侵数据点的自动定位。测试数据表明,相较于现有方法,提出方法定位能耗下降了10.18 J,定位速度提升了4.82 ms/个,充分显示提出方法的入侵数据点定位性能更好。     

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。     

舰船推进系统集成管理知识挖掘方法研究

针对舰船推进系统集成管理中的实船训练仿真建模与机械设备状态评估等高级应用对知识的需求，研究知识管理中所需要的知识内容与形式，探索数据挖掘方法在大数据知识获取中的应用模式。以某型推进装置为对象，研究使用数据挖掘技术获取所需集成管理知识的途径，包括聚类算法在推进系统稳态工况基准模式识别中的应用，以及关联算法在状态特征模式识别中的应用等。本文研究为实现基于知识的舰船推进系统集成管理提供了研究基础。     

无线网络在舰船安全监测系统中的应用

为确定无线网络主机的实际应用价值,从而实现对船舶航行轨迹的安全性监测,针对无线网络在舰船安全监测系统中的实际应用能力展开研究。以网络执行主机作为船舶航行轨迹数据的核心生成设备,联合数据收发模块与网关设备元件,实现系统的硬件执行环境搭建。在此基础上,导入航行轨迹监测数据,通过信息定位处理的方式,实现系统的软件执行环境搭建,结合相关硬件设备结构,完成基于无线网络的舰船安全监测系统设计。对比实验结果表明,与点迹型监测系统相比,无线网络型监测系统对船舶航行轨迹的把控精准度可达到90%以上,能够实现对无线网络主机的合理化利用。