船联网数据分类算法研究

为提高船舶航运安全和智能化管理,可采用船联网技术将航运场合中涉及到的多类事物通过无线网络连接在一起。由于船联网中存在多类别海量数据,需要网络中专门的处理设备针对网络数据开展处理,进行分类。为了避免数据处理导致的高延时,提高网络数据传输的效率,可采用BP神经网络来进行分类,提高处理速度,克服船联网中由于高纬度、海量数据导致传输效率低的瓶颈。并通过实验验证了算法的可行性。     

数据挖掘聚类算法在船联网平台中的应用

随着通信技术的发展,船舶与船舶以及船舶与岸基之间的数据交互越来越频繁;同时数据的种类与数据帧的大小也急速增加,如何对这些信息进行快速有效的分析提取成为现代海洋业的重要研究领域。数据挖掘通过统计﹑自动学习等算法从海量数据中提取有效信息。随着船舶采集信息量的增大,成为信息中心最重要的功能之一。本文研究现有聚类算法的优缺点,重点分析聚类数据挖据算法DBSCAN,根据船舶数据处理的特点对算法进行了改进。     

基于深度哈希的船舶网络异常数据辨识方法

由于在利用现有方法辨识船舶网络异常数据时,存在漏辨个数以及错辨个数较多的问题,本研究提出一种基于深度哈希的船舶网络异常数据辨识方法。通过减法聚类算法提取船舶网络异常特征,该算法运行速度快,主要用于寻找特征对应的各聚类中心以及聚类数据。然后通过插值算法对船舶网络异常特征的数据实施预处理,补全其中的缺失数据。最后,基于深度哈希方法构建船舶网络异常数据辨识模型,实现对船舶网络异常数据的辨识。通过漏辨个数以及错辨个数的对比实验,证明了该方法的辨识性能更好,具有很强的实用性意义。     

数据挖掘的船舶网络病毒入侵检测研究

船舶中网络数据较多,传统病毒入侵检测方法不能有效对正常数据与异常数据分类,从而导致网络病毒入侵检测率与误检率较低,基于这一问题,将数据挖掘算法应用到船舶网络病毒入侵检测中。对网络数据采集,采用数据挖掘技术中的聚类分析算法将数据集合中对象划分成若干个类,聚类后形成多个数据集,在此基础上,确认离群点,划分为正常类与异常数据类,采用Apriori算法挖掘离散点中的频繁项集,寻找到病毒入侵中出现的频繁异常数据集,实现船舶网络病毒入侵检测。实验将检测率与误检率作为入侵检测指标,结果表明,此次研究的方法检测率高,并有效降低了误检率,证明所研究的检测方法的有效性。     

水上通信网络海量多维数据弱关联识别方法

随着网络通信技术的发展,水上通信数据呈现出多元化与复杂化,多维数据交互并行,造成海量数据中部分多维数据出现关联程度差,无法及时被调度交互,致使网络冗余数据量增加,影响网络数据交互识别效率。对此提出水上通信网络海量多维数据弱关联识别方法。首先,通过引入多维聚类算法对网络中的数据进行聚类中心量的计算;然后,根据得到的聚类规则,引入弱关联挖掘算法,对海量数据进行多维度关联计算;接着,通过引入的弱关联定位算法对挖掘出来的数据进行识别定位计算,实现海量数据中弱关联多维数据的精准识别;最后,通过仿真对比实验对提出方法进行验证,证明提出方法具有较强的识别能力,且识别准确性高、稳定性好、可行性强。     

基于海洋环境大数据驱动的无人船艇航线规划系统

随着无人驾驶技术的发展,无人艇在海上军事及民用领域得到快速发展。基于大数据的智能路线规划是无人艇驾驶技术的关键,通过各类RFID,GPS,AIS设备获取整个海域各类船舶的动态静态信息,同时通过智能算法构建海量数据的决策平台。本文研究基于海洋环境大数据驱动的无人船艇航线规矩聚类算法,最后进行了仿真。     

依据轨迹数据的船舶交通密度计算方法

研究基于轨迹数据的船舶交通密度计算方法,利用精准的船舶交通密度计算结果提升海上交通规划水平。利用AIS设备采集船舶航行轨迹数据,利用均匀参数化方法对所采集的航行轨迹数据重采样处理。将通过重采样处理获取的航行轨迹数据,划分为静止轨迹数据点以及移动轨迹数据点,依据数据点间的欧式距离,以及船舶航行方向、航行速度的相似性,选取基于密度的DBSCAN聚类算法完成轨迹数据聚类。依据船舶航行轨迹数据聚类结果,选取多维密度方法,通过更新船舶经过总数、船舶经过总时间等参数,计算船舶交通密度。实验结果表明,该方法可以依据船舶航行轨迹数据,精准计算船舶交通密度,为海上交通规划提供有效支撑。     

基于FCM聚类的船舶网络传输时延自适应优化方法研究

针对传统船舶网络传输时延控制方法存在的时延性能差、传输失败率高的问题,研究一种基于FCM聚类的船舶网络传输时延自适应优化方法。该方法利用TURBO编码和LDPC编码相结合的方法对船舶网络信道进行编码,搭建船舶网络环境;利用基于灰度关联分析预测方法预测各信道的负荷能力,结合预测结果,利用FCM聚类算法实现资源数据与传输路径之间的聚类匹配,从而合理均衡配置资源,最大程度降低网络传输时延。结果表明:船舶网络传输时延自适应优化方法进行船舶网络信息传输时延缩短了7.9 ms,平均传输失败率降低了8.44%。     

船舶移动网络动态流量数据资源分配算法

为了解决传统数据资源分配算法存在的分配不均衡问题,结合船舶移动网络的运行原理,提出动态流量数据资源的分配算法。首先在船舶移动网络中采集实施流量数据,经过预处理得出对应的初始采集结果。根据初始采集结果的资源特点实现动态流量数据的融合与分类,并实现不同资源类型的分层调度。最终通过选择合适的调度信道实现资源的均衡分配,并根据网络资源的动态变化实现分配结果的实时更新。经过对比实验的测试与研究得出结论:设计的动态流量数据资源分配算法在船舶移动网络环境下,可以有效提升资源分配的均衡度。     

改进QuickBundles算法在船舶轨迹聚类中的应用

对船舶AIS数据聚类进行研究，可以挖掘出船舶航行过程中有效或潜在的信息，对于提高船舶海事交通管理和水路交通运输的智能化水平具有重要意义。传统的聚类算法在面对大量的AIS数据样本时通常表现出很低的执行效率。因而，提出一种改进QuickBundles算法，并对船舶轨迹采样方法和距离度量方式进行改进，选取长江南京航段板桥汽渡水域的船舶AIS数据作为试验依据，最终实现船舶轨迹的有效聚类。试验结果表明，与原QuickBundles算法和DBSCAN算法相比，改进QuickBundles算法在算法执行效率和算法准确性方面优于前两种算法，证明改进QuickBundles算法可有效应用于船舶轨迹聚类。