共查询到20条相似文献,搜索用时 140 毫秒
1.
本研究通过分析、提取船舶二维图纸中型线的特征,建立能表达型线信息的属性向量,在此基础上提出了一种船舶结构快速识别的方法,即将自组织特征映射神经网络(SOM)的方法运用于图形的识别和聚类。进一步的,运用自顶向下分层识别技术,通过一次或多次识别及判定实现对二维图纸设计信息的提取。以此为依据开发完成了船舶结构智能识别系统。通过对某船某肋位横剖面图的识别,检验了该方法的可行性和系统的实用性。 相似文献
2.
3.
数据挖掘聚类技术下船舶网络安全保护态势研究 总被引:1,自引:1,他引:0
船舶网络交互安全可以直接影响船舶日常工作,为了有效提高船舶网络安全保护质量,引入数据挖掘聚类技术,以此为基础设计船舶网络安全保护技术。在当前船舶网络环境下,建立多条数据基本链,不断迭代,完成网络数据挖掘,再辅以三维云数据聚类技术,完成数据聚类,根据聚类数据类型特征,设计3种不同的访问控制路径,获取特征细节层次,最后建立保护控制端口,根据网络访问数据的特征细节和稳态率,明确响应时间,以此作为排序依据,进行访问控制排列,实现船舶网络安全保护。实验数据表明,应该船舶网络技术后,船舶网络非法占用比降低了26%,程序非法捕捉率提高29%。 相似文献
4.
近年来,基于无人机的海上探测与侦察技术获得了迅速发展,利用无人机进行海上船舶目标的识别已经成为一项热点研究,基于图像的目标识别也是其中的重点和难点。传统的图像分割包括边缘检测、聚类分割等,本文结合Grabcut算法和卷积神经网络技术,开发一种新型船舶影响目标识别技术,在提高图像目标识别效率的基础上也提高了目标识别的精度,具有实际应用价值。 相似文献
5.
以港口水域船舶的节能减排为目标,研究港口水域船舶异常能耗云数据挖掘方法。采集港口水域船舶的AIS云数据,删除与船舶能耗无关以及异常数据,利用K-means聚类算法对船舶能耗相关船舶主机转速以及船舶主机功率等数据进行聚类,输出船舶不同运行工况的能耗。利用贝叶斯分类器依据聚类结果识别港口水域船舶能耗云数据是否为异常数据,完成港口水域船舶异常能耗云数据挖掘。实验结果表明,该方法的船舶异常能耗数据挖掘精度高,为船舶的节能减排提供依据。 相似文献
6.
7.
基于模式识别的船舶异常行为自动报警方法 总被引:1,自引:0,他引:1
不能自行判断船舶异常行为,并根据判断结果完成自动报警,是现阶段船舶航行面临的主要问题。为有效解决此问题,建立基于模式识别的船舶异常行为自动报警方法。通过识别相似度的确定、与船舶异常行为关系的确定,完成基于模式识别研究角度的确定。通过船舶异常行为聚类、聚类异常行为识别,完成上述方法的搭建,并确定该方法是否可以完成自动报警。设计对比实验结果表明,应用该方法后,节省检测船舶异常行为所需人力资源,且提升识别准确性。 相似文献
8.
船舶交通管理(VTS)对覆盖区域内的船舶密集区域进行有效识别,并对区域内的船舶实施远程预警,可以提升通航效率,减少海上险情事故.通过改进K-means聚类算法建立海上船舶密集区域识别模型,并设计VTS船舶密集区预警系统,结合AIS数据实验模拟,该算法对船舶密集区域的识别是有效且可行的. 相似文献
9.
以充分掌握船舶航行动态为目的,设计基于数据挖掘的船舶航迹自动识别系统。该系统使用跟踪监控单元内的海事雷达和船载单片机监控终端获取船舶航行数据后,利用无线通信单元内的无线传感器、网络协调器等设备将船舶航行数据发送至数据存储与集成单元;利用该单元对船舶航行数据进行打包分发、在线压缩和存储等处理。航迹识别单元从数据存储与集成单元内调取压缩存储的船舶航行数据,并对其进行区域航迹提取、坐标转换和时间校准后,再利用基于数据挖掘的轨迹融合方法完成其航迹识别,然后将识别结果发送至展示单元呈现给用户。实验结果表明:该系统在应用过程中其运行稳定性接近99.5%,并且具备良好的通信传输能力;也可在船舶航迹复杂交错和存在其他船舶干扰情况下有效识别目标船舶航迹,应用效果显著。 相似文献
10.
11.
12.
针对舰船雷达信号目标的识别方式简单、识别度低的情况,文中提出基于 Web语义的舰船雷达回波自动识别系统。因为雷达信号目标特征信息点分散且繁杂,在语义 Web网下取得雷达信号目标图像的数据特征,运用改进 FastICA算法提取特征数据后,通过智能雷达回波视频图像识别系统,对舰船目标图像进行分析。实验证明,基于 Web语义的舰船雷达目标识别系统,能使大量信息被系统充分利用,达到精确识别舰船雷达图像目标的目的。 相似文献
13.
14.
15.
16.
17.
18.
19.