基于人工智能算法的船舶通信网络安全性能研究

为了解决当前船舶通信网络安全性能分析过程中存在的一些问题,以提高船舶通信网络安全性能分析效果为目标,设计了基于人工智能算法的船舶通信网络安全性能分析方法。首先采用船舶通信网络安全性能分析数据,提取船舶通信网络安全性能分析特征,然后采用支持向量机作为船舶通信网络安全性能分析的建模工具,采用人工智能算法对船舶通信网络安全性能分析特征和支持向量机的参数进行同时优化,最后采用具体实验测试了船舶通信网络安全性能分析效果。结果表明,本文方法可以描述船舶通信网络安全变化特点,可以获得高精度的船舶通信网络安全性能分析结果,加快船舶通信网络安全性能分析速度,解决了当前船舶通信网络安全性能分析方法存在的缺陷,获得比较满意的船舶通信网络安全性能分析效果。     

面向物联网的船舶通信网络数据传输路径优化仿真

数据传输路径优化算法是当前船舶通信网络研究中的重要方向,为了解决当前数据传输路径优化算法存在时延大、数据传输功率低等不足,提出了面向物联网的船舶通信网络数据传输路径优化算法。首先针对数据传输时延大的问题,对全部物联网节点进行分簇操作,减少数据传输重复信息,加数据传输速度,然后设计了根据最短距离建立船舶通信网络数据传输路径最化算法,最后采用进行仿真实验,以验证船舶通信网络数据传输性能。结果表明,本文方法缩短了船舶通信网络数据传输时延,加快了船舶通信网络数据传输速度,而且船舶通信网络数据传输成功率得到了明显改善。     

支持向量机在船舶电力负荷预测中的研究

在现代的船舶设备中,电力系统已成为船舶的主要动力来源,其性能的优劣对船舶的航运安全和成本有着非常重要的影响。随着各种电气设备被广泛应用于船舶控制和通信导航系统中,船舶的电力供给已经变得至关重要,因此对电力系统负荷的预测已经成为人们研究的重点。本文结合支持向量机回归算法,设计了用于船舶电力系统的负荷预测机制,通过建立船舶电力预测模型和最小二乘支持向量机模型,实现了对船舶电力系统的负荷预测和性能优化。     

大数据挖掘在船舶通信网络安全预警中的应用

为了缩短船舶海上航行过程中通信网络安全的预警时间,确保船舶航行的安全性,提出大数据挖掘在船舶通信网络安全预警中的应用。利用数据采集工具包中的采集函数,设计船舶通信网络安全数据的采集流程,完成船舶通信网络安全数据的采集;基于船舶通信网络安全预警模型的构建过程分析,完成船舶通信网络安全预警模型的建立;最后通过船舶通信网络安全预警流程设计,实现了基于大数据挖掘的船舶通信网络安全的预警。仿真实验结果表明,基于大数据挖掘的预警方法相比基于态势感知的预警方法,发出预警信息的时间更短,具有较高的预警能力。     

船舶避碰中灰色数据挖掘研究

随着海洋运输业的发展,航行在海上的船舶数量越来越多,船舶避碰系统成为保障船舶航行安全的必要设备之一。现有的船舶避碰算法有基于视频图像帧数据的、红外传感器设备采集数据的,也有利用知识发现及大数据挖掘技术对船舶航行轨迹及碰撞规律进行分析,对船舶航行进行辅助指导。本文研究船舶避碰中的灰色度数据挖掘技术,并根据实际的应用数据建立灰色度数学模型,最后对本文的船舶避碰算法进行仿真,与传统算法进行比较分析。     

利用Apriori算法进行船舶缺陷数据研究分析

港口国检查是以确保人员和船舶安全、预防海事事故、防止海洋环境污染为目的的专门检查。随着环保意识的不断加强,港口国检查发挥着越来越重要的作用。数据挖掘技术能够从大量模糊数据中发现有价值的信息。船舶缺陷数据分析利用数据挖掘技术,从海量船舶数据中发现数据间的关联规则,从而提高港口国检查的工作效率。本文研究Apriori算法,针对该算法的不足进行改进,实现了基于改进Apriori算法的船舶缺陷数据分析系统。     

灰色数据挖掘在船用柴油机中的应用

船用柴油机作为船舶航行中的动力源,具有非常重要的作用。但柴油机在运行过程中的运行状态及故障发生都对船舶的正常运行影响很大。本文通过研究灰色数据挖掘的特点,结合船舶柴油机的结构与故障特性,研究出一种基于灰色数据挖掘的故障诊断方式,通过对灰色关联算法在计算机上进行编程仿真,检验这种方法对船舶柴油机的故障诊断具有较好的诊断结果,对船舶柴油机的正常航行具有一定的意义。     

深度学习算法的船舶通信网络非法入侵行为识别研究

非法入侵严重影响船舶通信网络安全运行,船舶通信网络非法入侵行为具有很强的变异行为,导致当前船舶通信网络非法入侵行为的识别效果差。为了对各种船舶通信网络非法入侵行为进行准确性识别,提出深度学习算法的船舶通信网络非法入侵行为识别技术。该技术将船舶通信网络非法入侵行为识别看作是一个模式分类问题,将非法入侵行为划分多种类型,然后提取各种船舶通信网络非法入侵行为的变化特征,采用深度学习算法对变化特征和船舶通信网络非法入侵行为类型之间的联系进行分析,以区别各种船舶通信网络非法入侵行为,最后选择有代表性的船舶通信网络非法入侵行为进行了性能测试。结果表明,深度学习算法的船舶通信网络非法入侵行为识别率高于95%,非法入侵行为识别时间控制在2 s以内,可以满足现代船舶通信网络通信安全的需要。     

基于改进Apriori算法的船舶通信入侵检测方法分析

非法入侵行为危害着船舶通信系统的安全,针对当前船舶通信入侵检测错误率高的缺陷,提出了基于改进Apriori算法的船舶通信入侵检测方法。首先对国内外当前的船舶通信入侵检测方法进行分析,指出了各种方法存在的局限性,然后采用Apriori算法建立船舶通信入侵检测关联规则,实现船舶通信入侵检测数据进行挖掘,并对Apriori算法存在的不足进行相应的改进,最后进行了船舶通信入侵检测仿真实验,本文方法简化了船舶通信入侵检测过程,加快了船舶通信入侵检测速度,提高了船舶通信入侵检测正确率,为船舶通信系统安全管理人员决策提供了有价值的参考依据,能够保证船舶通信系统的安全。     

数据挖掘在船舶导航中的应用研究

数据挖掘技术在导航中具有重要作用。本文通过对数据挖掘技术的研究,给出一种基于数据挖掘的船舶导航方法,该方法采用SMO算法进行学习预测,然后通过线程池并行化处理对SMO算法优化。实验结果表明,本文给出的基于数据挖掘的船舶导航方法能够有效节约导航系统的计算资源,提高导航响应速度。