共查询到20条相似文献,搜索用时 0 毫秒
1.
2.
3.
零件分类编码系统是实施成组技术的一件重要工具。为建立船体零件的分类编码系统,本文对船体零件的形状特征、材料种类、制造工艺特征等进行了分析,找出其相似性,然后按相似性准则,采用分类编码法将船体零件分类编组。在此基础上设计了成组技术船体建造管理(GTHCA)零件分类编码系统。GTHCA系统采用混合式子系统分段式总体结构,混合式编码结构。 相似文献
4.
5.
6.
海上钻井平台信息分类编码技术研究 总被引:1,自引:1,他引:0
《舰船科学技术》2015,(8):178-181
信息分类编码是信息共享的基础。本文介绍信息分类编码技术发展状况,采用粒度结构分析法构造信息平台的编码结构;同时,利用该粒度结构提取平台信息编码的特征项,从而设计出一种适用海上钻井平台的信息分类编码方案;最后,通过模糊综合评价法对该方案进行效能评估。评估结果表明,在编码规则的要求下,该方案各方面指标达到良好等级。 相似文献
8.
针对水下被动声呐目标分类识别问题,借签深度学习网络在图像、语音等领域的成功运用,提出一种基于深度自编码网络的舰船辐射噪声分类识别方法。首先使用Welch功率谱估计方法获得舰船辐射噪声的功率谱特征,然后对原始训练样本集结构优化得到新训练样本集,并构建训练深度自编码网络。依据总体正确识别概率和各类目标正确识别概率对网络参数进行优化设置,实现对舰船辐射噪声的分类识别。经过大量海上实录舰船辐射噪声的分类识别实验,验证了该方法的可行性和实用性。对比BP神经网络分类器,具有更高的正确分类识别概率。 相似文献
9.
10.
11.
15.
16.
为了提高船舶分类正确率,针对当前船舶分类方法存在的精度低、误差大等缺陷,提出基于深度学习的船舶分类方法。首先对船舶分类图像进行采集,并提取多个船舶分类特征,组成船舶分类的特征向量集,然后将特征向量集作为深度学习算法的输入,船舶类型作为深度学习算法的输出进行学习,建立船舶分类模型,最后进行船舶分类的仿真实验,结果表明,深度学习算法的船舶分类正确率超过90%,不仅可以很好地描述船舶类型,而且船舶分类的速度也很快,可以应用于日常船舶分类管理工作。 相似文献
17.
18.
为实现不同角度和不同距离下,船舶采集图像的智能分类,提出基于多尺度注意力深度卷积神经网络分类算法的船舶采集图像智能分类。将采集的船舶图像输入该网络中,网络的多尺度深度卷积层采用3个多尺度特征注意力模块结合深度残差模块,提取船舶采集图像不同层次的局部不变性特征;池化层对该特征转换处理后形成特征向量;全连接层池化层引入尺寸匹配函数融合特征向量,形成多尺度纹理特征向量并输入分类层,实现船舶采集图像智能分类。测试结果显示:该方法可实现不同船舶类别图像特征提取,gini指数结果均在0.963以上,可依据分类需求,实现不同角度以及距离条件下、不同的船舶图像类别的准确分类。 相似文献
19.