基于云计算的舰船信息检索系统关键技术研究

为了提高舰船定位识别和信息融合能力,进行舰船信息检索优化设计,提出基于云计算的舰船信息检索系统设计方法,采用关联规则特征提取方法进行信息特征提取,采用高阶统计量分析方法进行舰船信息融合处理,结合模糊C均值聚类方法进行舰船信息的隶属特征分类处理,在云计算环境下实现舰船信息的分类调度和信息分区检索。仿真结果表明,采用该方法进行舰船信息检索的查准率和查全率较高,抗互信息干扰能力较强,具有较好的信息挖掘检索能力。     

基于视觉传达的模糊舰船图像目标分类检测

模糊舰船图像的有效分类识别可提高对目标的准确打击和辨识能力,提出基于视觉传达和图像增强的模糊舰船图像目标分类检测模型。构建模糊舰船图像的多传感视觉采集模型,采用目标图像与背景图像差分分析方法实现对舰船图像的目标特征提取和聚类处理,根据视觉聚类传达和目标图像的特征点增强结果,结合模糊C均值聚类算法,实现对舰船目标图像的分类检测。测试得知,该方法进行舰船目标分类检测的聚类性较好,识别精度较高,视觉传达效果显著增强。     

云计算环境下舰船内部资源全局优化算法研究

在云计算环境下进行舰船内部资源的全局优化分配,提高舰船资源的信息融合能力,从而优化舰船的状态监测性能。提出一种基于分组滤波匹配融合的云计算下舰船内部资源全局优化方法,对舰船内部资源信息流进行匹配滤波检测,提取资源流的频谱特征,根据频谱特征的属性进行信息分类,在云计算环境下采用分组线性融合检测方法实现对资源的全局融合调度,提高资源优化分配能力。仿真结果表明,采用该方法进行舰船内部资源全局优化处理,资源的准确调度能力较好,自适应分配性能较优,具有全局收敛性。     

大密度舰船电子海图中数据快速检索方法研究

为了提高舰船导航和定位能力,需要对大密度的舰船电子海图数据进行快速准确检索,针对舰船电子海图数据分布密度大、散列性较强的特点,提出基于自相关特征匹配和模糊C均值聚类的大密度舰船电子海图中数据快速检索方法。采用有向图和决策树构建舰船电子海图数据库的检索节点分布结构模型,提取舰船电子海图数据的语义关联性和规则性特征,采用自相关特征匹配方法对检索数据进行指向性挖掘和信息融合处理,对挖掘的关联数据进行模糊C均值聚类,实现对大密度舰船电子海图数据的分类检索。仿真结果表明,采用该方法进行大密度舰船电子海图中数据检索的收敛速度较快,提高数据检索的查准率和查全率,检索效率和准确性较高。     

舰载武器智能自适应诊断测试技术研究

传统武器故障诊断和测试依托于人员经验和测试仪器,难以适应现代化舰船的故障测试要求。本文对大数据技术和自适应诊断测试技术进行研究,设计舰船武器智能自适应诊断测试系统,重点设计了舰船武器故障特征提取模块和诊断测试模块。使用支持向量机对故障特征进行分类,通过原始数据融合、故障特征融合以及决策融合,系统根据采集的故障特征信息可以作出综合性判断,因而具有较高的可靠性。     

基于数据驱动的舰船通信网络异常行为检测方法

为了提高对舰船通信网络异常识别能力,提出基于数据驱动的舰船通信网络异常行为检测方法。采用最短路径和最大覆盖范围寻优方法构建舰船通信网络的节点覆盖模型,通过最小间隔均衡技术对舰船通信网络的信道均衡控制,提取舰船通信网络的信道传输信息特征。对舰船通信网络的行为特征参数分析,结合谱分量融合和融合聚类处理方法,实现对舰船网络异常行为的数据驱动控制。根据数据驱动的图模型参数识别和异常谱特征聚类分析,实现对舰船通信网络异常行为检测。测试结果表明,该方法能够进行舰船通信网络异常行为检测处理,提高信道均衡性能     

基于小波和仿射不变矩特征融合的舰船型号识别

针对不变矩对仿射形变目标描述的不足,为提高舰船型号的识别精度,提出一种基于小波和仿射不变矩特征融合的舰船型号识别方法。首先对二值舰船图像进行归一化处理,并分别提取归一化舰船图像的小波矩特征值和仿射不变矩特征值;然后通过计算样本特征均值与标准差的比值,选择出鲁棒性好、稳定性高的特征,通过归一化方法进行融合;最后构造五类舰船的样本集,采用支持向量机(SVM)作为分类器识别测试样本的型号,分析不同矩特征、样本集大小、SVM参数、本文方法对识别精度、稳定性的影响。实验结果表明,文中给出的算法提高了识别精度,并且在训练样本集较小时仍能获得88%以上的识别率。     

基于小波包分析和深度学习的舰船辐射噪声识别

为提高舰船辐射噪声识别的准确率,针对辐射噪声这种非平稳、复杂的信号,提出一种基于小波包分解与多特征融合的特征提取方法.同时,引入深度学习模型,将提取到的特征作为识别分类的依据,采用卷积神经网络和长短时记忆神经网络作为分类器.对单一特征的分类结果与融合的多特征分类结果进行比较,对直接提取的特征分类结果与基于小波包分解提取的特征分类结果进行比较,对卷积神经网络、长短时记忆神经网络和机器学习的识别分类结果进行比较,结果表明,采用基于小波包分解与特征融合的特征提取方法和基于深度学习的分类识别方法能显著提高舰船辐射噪声识别的准确率.     

基于小波和仿射不变矩特征融合的舰船型号识别

针对不变矩对仿射形变目标描述的不足,为提高舰船型号的识别精度,提出一种基于小波和仿射不变矩特征融合的舰船型号识别方法.首先对二值舰船图像进行归一化处理,并分别提取归一化舰船图像的小波矩特征值和仿射不变矩特征值;然后通过计算样本特征均值与标准差的比值,选择出鲁棒性好、稳定性高的特征,通过归一化方法进行融合;最后构造五类舰船的样本集,采用支持向量机(SVM)作为分类器识别测试样本的型号,分析不同矩特征、样本集大小、SVM参数、本文方法对识别精度、稳定性的影响.实验结果表明,文中给出的算法提高了识别精度,并且在训练样本集较小时仍能获得88%以上的识别率.     

基于三维地理信息的舰船输电通道多源信息融合技术研究

针对舰船输电通道差异性数据聚类出现的中心不定问题,提出基于三维地理信息的舰船输电通道多源信息融合技术。构建舰船配电网络输电通道的信息传输信道模型,采用量化跟踪调制方法对信道进行自适应调整以补偿信道畸变;对舰船输电通道覆盖区域进行三维地理信息特征采集,对采集的地理信息特征进行模糊C均值聚类处理,并输入到舰船输电通道中组成一组训练序列+信息序列的帧信号,在决策指向性模式下实现舰船输电通道多元信息融合。仿真结果表明,采用该方法进行舰船输电通道信息融合,可提高舰船配电网络输电通道负载均衡性,抗干扰能力较强,从而改善了舰船配电网的结构性能。