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%。     

有标记的文本聚类方法研究

聚类分析是一种模式识别无监督的分类方法。对于根据类别先验知识已经分类的文本,提出一种有标记的文本聚类分类方法。这种方法是在模糊聚类算法基础上进行了改进,通过有标记的文本样本,利用模糊聚类算法提取分类规则,然后用模糊推理方法进行分类的一种算法。文中讨论了此算法的具体数学模型,给出了算法流程。并通过实验验证了这种聚类方法是一种有效的文本分类手段。     

船舶航行数据记录仪的研究与发展

在１９９９年７月,国际海事组织航行安全分委会通过了国际海上人命安全公约（ＳＯＬＡＳ）第Ｖ章的修改议题并批准了船舶航行数据记录仪的标准草案,分委会建议委Ｖ章的内容于２００２年７月１日实施,以及从２００２年１月１日起,所有进出欧共体会员国港口的滚装渡船和高速客船将强制安装航行数据记录仪（ＶＤＲ）,在这种形势下,ＶＤＲ的研究与应用将进入一个崭新的历史时期。本文综合介绍了船舶航行数据记录仪的研制意义、发展现状、最低性能要求及未来发展方向。     

多维缩放舰船运行数据聚类算法设计

传统的聚类化运算算法(基于K-Means算法),在大数据环境下运算力下降,数据聚类运算收敛不足。提出基于多维缩放的舰船运行数据聚类算法设计。利用基于多维缩放的KNTSCCA聚类算法,对舰船运行数据传统算法进行替换,通过对舰船数据的降维迭代计算,实现多维缩放聚类算法设计。通过仿真实验证明,提出的多维缩放的舰船运行数据聚类算法,能够解决现有基于K-Means算法收敛不足的问题,具有可行性。     

云计算聚类挖掘算法在船舶海上信息平台中的应用

海洋数据量快速增长,如何获取有用的数据已经成为海上信息平台处理中的关键问题之一。本文在搭建的海上信息云平台上,利用Canopy算法实现海上数据的聚类分析,对云平台中的并行计算进行说明。最后进行与K-均值聚类的对比实验,从运行时间、加速比、聚类识别率等方面说明本文算法运行效率高,聚类识别效果好。     

优化的蚁群算法和船舶电网系统云数据聚类和实现

首先分析蚁群聚类算法,并指出其存在的问题;然后给出传统的蚁群聚类算法在船舶电网云数据聚类的实现流程,针对算法中存在的问题,提出利用惯性因子、随机初始化等方式改进和优化算法对船舶电网故障进行诊断;最后通过实验进行说明,优化后的蚁群聚类算法与K-mean算法、粒子群K-mean算法相比具有较好的收敛性。     

基于大数据驱动的船舶航行轨迹异常检测研究

船舶安全航行是航海领域重点关注的问题之一,为此研究基于大数据驱动的船舶航行轨迹异常检测方法。该方法利用不同类型传感器获取船舶航行大数据,然后使用船舶观测大数据相似度方程计算船舶航行大数据之间的相似度,得到来自同一船舶的航行大数据;再利用大数据驱动技术中的聚类方法建立船舶正常轨迹模型,获取船舶航行正常轨迹;依据船舶航行正常轨迹,利用大数据驱动技术内的Spark Streaming数据实时计算框架,通过计算船舶航行轨迹点与实际轨迹采样点之间的距离、航向角等,得到船舶航行轨迹异常检测结果。实验结果表明,该方法获取船舶航行实际轨迹精度较高,可有效检测船舶航行轨迹异常,具备较好的应用效果。     

基于模糊聚类的数据关联融合算法

利用模糊相似性和模糊C均值聚类算法相结合，提出一种求解多传感器多目标跟踪数据关联问题的方法。该方法的目的是实现多传感器观测数据的模糊聚类，使源于不同目标的观测数据能正确划分到该目标中去。仿真结果表明，该算法可以实现数据与目标的正确关联，克服传统硬判断的一些缺点。     

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。     

嵌入式数据的船舶航行数据采集系统

针对传统船舶航行数据采集系统自身存在的采集效率低的问题,提出设计基于嵌入式数据的船舶航行数据采集系统。利用基于嵌入式技术,创建嵌入式DSP控制模块为主定位航行数据采集硬件,对传统采集系统硬件基础进行更新;修正传统采集系统内部采集算法,将浮点DSP波形成束算法写入创建的采集硬件主控,使其与采集系统对接,并对传统算法逻辑错误进行更新修正。仿真实验测试证明,提出设计的基于嵌入式数据的船舶航行数据采集系统,在采集效率低问题上具有明显的修复改善作用,满足设计需要。     

基于模糊聚类的数据关联融合算法

利用模糊相似性和模糊C均值聚类算法相结合,提出一种求解多传感器多目标跟踪数据关联问题的方法.该方法的目的是实现多传感器观测数据的模糊聚类,使源于不同目标的观测数据能正确划分到该目标中去.仿真结果表明,该算法可以实现数据与目标的正确关联,克服传统硬判断的一些缺点.     

基于大数据的船舶航行最优路径规划算法研究

传统的航行路径规划算法为静态单一条件的最优选择算法,最优路径缺乏客观性,准确度明显下降。针对此问题提出基于大数据的船舶航行最优路径规划算法。引入云计算遗传特征计算算法,对航行相关的全局路径数据进行大数据遗传特征分析,得到具有代表性特征的备选路径;引入大数据蚁群择优算法,对备选路径进行最优路径计算,得到最客观真实的最优航行路径;通过设计多路径仿真实验,证明提出算法具有计算速度快、准确率高、可行性好的特点。     

航道内船舶航行环境危险度评价

对航道内船舶航行环境危险度进行正确的评估,是保证船舶安全航行的重要途径之一。本文在灰色聚类的基础上,建立灰色白化函数聚类模型,利用此模型对广州港的主要航道的航行环境危险度进行评价,并将本文的评价结果与航道的实际发生事故数相比较,由此来说明本文所采用的评价模型的有效性。     

船舶航行数据记录仪的构成和功能

介绍了船舶航行数据记录仪的系统功能，分析、研究了该系统在预防和查找事故原因中的作用。     

基于数据融合的船舶航行评价系统

介绍基于数据融合技术的系统三级处理模型,并重点讨论基于数据关联的船舶航迹提取,基于坐标转换和几何模型的船舶运动参数计算,以及基于多测量周期数据融合的船舶操纵识别等,从而建立船舶航行评价模型,最后通过实例说明系统运行的有效性。     

具有冰区航行船级符号船舶的海水箱设计特点

0 引言 南京金陵船厂建造的8 050DWT滚装船及10 300DWT滚装船,分别具有LR冰区加强符号ICE CLASS 1AS及ICE CLASS 1A.根据船级社及有关当局规则要求,至少一只海水箱须特殊设计.