基于切片技术的点云数据预处理研究

针对扫描点云杂乱无序的特点,讨论了点云数据预处理的问题,提出了一种新的基于点云切片的数据预处理迭代算法．通过对点云最小包围盒进行均匀分割及分割后点云的密度分析,对密度过大的分割块进行迭代分割,建立了3个方向的点云切片和截面线．结果不仅大大减少了点云数据量,并且在点云密度过大的区域很好地保持了模型的原始特征,同时将原始的无序数据点集转化为具有层列结构的有序组织形式,确定了各点之间的相互关系,为后续曲线曲面拟合做了很好的准备．     

舰船装备维修费预测的数据预处理技术研究

在预测舰船装备维修费时,收集足够多的、准确的费用数据是关键。根据舰船装备维修费的影响因素,将舰船装备维修费预测的相关原始数据分为基础数据、使用数据、维修数据和宏观经济数据,确定了相应的数据收集渠道。分析了收集到的原始数据可能存在噪声、缺失或异常数据、冲击扰动数据、不一致数据的问题,针对性地提供了相应的数据预处理技术,经过处理后的数据可以为舰船装备维修费预测提供良好基础,进一步提高预测的有效性。     

基于流形理论的数据分类挖掘

数据挖掘技术应用于作战指挥挖掘系统,能为指挥员的决策分析提供智能化的、自动化的辅助手段。在分析数据挖掘问题中的分类算法的基础上,利用流形结构对分类算法进行了改进。从而避免全局线性对分类信息造成的丢失,保留完整的数据结构信息,在一般意义下完成针对数据集的各项任务。     

基于TSDB的船舶风险管理系统的数据预处理

针对传统数据库自身存在结构复杂、写入存储速率慢,导致无法大量写入实时数据及其数据预处理机制无法满足实时数据准确显现的缺陷,将时间序列数据库(TSDB)引入船舶风险管理系统中,同时提出基于三次指数平滑法(Holt-Winters算法)的数据预处理方法。首先通过数据解析与筛选,将异常数据剔除,然后通过Holt-Winters算法对缺失数据进行平滑处理。结果表明,引入TSDB数据库,同时使用基于Holt-Winters算法的数据预处理方法,能有效地提高数据的稳定性与准确性。     

基于复模态实验数据的陀螺矩阵的修正

在实际工程中,由有限元模型得到的计算值与通过试验获得的测量值之间往往存在偏差。为了能够精确预测结构的动力响应,依据测量信息修正存在的动力模型是非常必要的。本文考虑用不完备复模态实验测量数据修正陀螺矩阵的问题。在假定分析质量矩阵Ma>0与刚度矩阵Ka>0是精确的情况下,通过求解一个约束最优化问题,运用Lagrange乘子法得到了满足特征方程的加权Frobenius范数意义下的最优反对称修正矩阵。     

基于数据分类的JENA法在CIM的应用研究

公共信息模型CIM定义了用于不同电力系统间交互数据的一个通用模型。在开发基于CIM数据模型的电力系统中,为实现电力系统的标准化集成,解决"信息孤岛"问题,需要在关系型数据库中对CIM数据模型进行导入导出操作。本文讨论的基于数据分类的JENA法,是为实现这种导入导出操作而对JENA法的一种改进。它是在JENA法的基础原理上,针对电力系统自身的实际情况,引入数据分类的思想,通过对电力系统不同性质的数据进行分类管理。实验验证结果表明这种方法可行有效且具有数据处理简单快捷、减轻网络负担和增大数据传输速度等优点。     

深度学习船舶分类技术研究

为了提高船舶分类正确率,针对当前船舶分类方法存在的精度低、误差大等缺陷,提出基于深度学习的船舶分类方法。首先对船舶分类图像进行采集,并提取多个船舶分类特征,组成船舶分类的特征向量集,然后将特征向量集作为深度学习算法的输入,船舶类型作为深度学习算法的输出进行学习,建立船舶分类模型,最后进行船舶分类的仿真实验,结果表明,深度学习算法的船舶分类正确率超过90%,不仅可以很好地描述船舶类型,而且船舶分类的速度也很快,可以应用于日常船舶分类管理工作。     

LIDAR数据特点及其滤波分类方法

从数据内容、种类、分布形式及其优劣势等几方面对LIDAR数据特点进行了总结,对几种常用的LIDAR数据滤波分类方法进行了系统的阐述对比与展望.     

基于关联规则的船舶故障数据自动分类方法

为了提高船舶故障诊断能力,需要进行故障数据的自动分类设计,提出基于关联规则的船舶故障数据自动分类方法。构建船舶故障数据的数据信息流模型,采用高维特征分组方法进行船舶故障数据的分组重构,采用分段线性检验方法进行船舶故障数据的统计特征分析,提取反映船舶故障类别属性的关联规则向量集,根据特征提取结果进行模糊聚类处理,实现船舶故障信息融合,结合自适应分组检测方法,实现船舶故障数据关联规则的自动分类。仿真结果表明,采用该方法进行船舶故障数据自动分类的自适应性较强,误分率较低,提高了船舶故障的诊断检测能力。     

基于机器学习的舰船系统交叉覆盖数据分类方法

传统的舰船系统交叉覆盖数据分类方法存在着分类性能差的缺陷,为此提出基于机器学习的舰船系统交叉覆盖数据分类方法研究。采用随机森林算法对交叉覆盖数据的不相关特征属性进行剔除,得到有价值的交叉覆盖数据集合,利用领域粗糙集算法对有价值交叉覆盖数据集合的特征进行提取,以特征集合为依据,采用机器学习算法实现了舰船系统交叉覆盖数据的分类。通过实验得到,提出的舰船系统交叉覆盖数据分类方法的分类精度比传统方法高出30%,迭代次数比传统方法少了9次,说明提出的舰船系统交叉覆盖数据分类方法具备更好的分类性能。     

基于干涉矩阵的拆卸序列规划算法研究

为解决拆卸序列规划理论算法存在的求解空间过大的问题,提出一种基于干涉矩阵的规划算法。该算法用于涉矩阵和干涉图来表现装配体零部件间的约束关系,通过对干涉矩阵的分析处理,简化干涉图,生成拆卸序列,达到了缩减求解空间的目的,保证了算法同工程实际的一致性,提高了实际应用和软件编程的能力。     

基于最大频繁序列的蛋白质分类算法

针对现有基于频繁模式的分类算法未考虑完全频繁模式所产生的大量无效序列,提出了一种基于最大频繁序列的蛋白质分类算法,此算法每一类都以独有的最大频繁模式作为代表,执行模式裁减和测试数据分类。实验表明该算法在继承传统算法优点的同时提高了结果的精确度,降低了模式的冗余度,此应用增加了分类的生物信息学意义。     

基于支持向量机的舰船战储器材分类算法研究

针对战储器材种类繁多的现状以及传统ABC分类方法的缺陷和不足,提出了基于支持向量机的舰船战储器材ABC分类方法,提高了器材分类速度,有助于ABC分类法在仓库中推广实施,并进一步为科学、合理地确定战储器材储备品种带来帮助。最后通过实例结果验证该方法的合理性和有效性。     

基于LabVIEW的数据回放技术

美国NI公司开发的LabVIEW是一种真正意义上的图形化编程语言,以其界面友好、开发周期短、功能强大在世界范围内得到广泛应用。本文借助于该平台开发出非线性条件下电能测试系统的数据回放软件。该软件功能丰富,界面简洁,操作方便,可再现实时采集的数据,为设备输出参量计算与监控、系统单元匹配、性能评估、维护与改进提供数据依据与指导。     

基于遥测数据的压缩算法设计

文章介绍了多路遥测数据采集系统在数据存储过程中的特点,根据预测差值大小将遥测数据分为缓变参数和速变参数部分,有针对性地采用LZW算法和Huffman算法混合编码的设计方法,并从理论上阐述了该算法的优点及较优的压缩性能。     

基于带通采样技术的数据采集

简要介绍了数据采集的基本原理，在分析Nyquist采样定理与香农带通采样定理的基础上，研究了适应数据采集的中频带通采样技术，重点讨论了该技术中抗混叠滤波所引起的相位非线性问题的解决方法。     

基于不完全模态测量数据的粘性阻尼矩阵的修正

在实际工程中,由有限元模型得到的计算值与通过试验获得的测量值之间往往存在偏差,为了能够精确预测结构的动力响应,依据测量模态数据修正存在的动力模型是非常必要的。本文考虑用不完备复模态测量数据修正粘性阻尼矩阵的问题。在假定分析质量矩阵与刚度矩阵是精确的情况下,通过求解一个约束最优化问题,得到了满足特征方程的加权Frobenius范数意义下的最优对称非负定修正矩阵。