分层异构海洋传感器网络多节点数据安全检测方法

传统海洋传感器网络节点数据检测方法,对分层异构网络下的海洋传感器存在多节点数据安全检出率低的问题。为此,提出随分层异构海洋传感器网络多节点数据安全检测方法。首先,计算分层异构网络传感器链路层中的传输信噪比,确定传感器交互安全;通过特征模糊算法对传感器中的多节点进行节点安全检测;最后,通过神经网络算法对多节点下的数据安全进行检测计算。通过对比试验的方式,来证明设计方法的检出率高于传统方法,满足设计要求。     

船舶与海洋大数据算法模型资源共享系统

为了解决船舶与海洋大数据算法模型资源共享问题,本文构建船舶与海洋大数据算法模型资源共享系统,系统具备研制、优化、集成船舶行业和海洋领域专用算法模型资源能力,以源代码或二进制库方式对船舶行业和海洋领域专用算法模型资源进行集成,通过Restful API接口方式为外部授权应用系统提供模型算法计算服务。性能测试结果表明,船舶与海洋大数据算法模型资源共享系统具备多用户并发算法模型资源共享服务能力和性能可扩展性。     

基于实测地磁数据仿真的插值算法适构性分析

地磁数据具有结构性质多样性,使得对于地磁数据插值的研究在不同区域往往得到不同结论。针对此情况,本文提出插值算法的适构性概念,并建立基于统计学指标的算法适构性评价体系。根据实测地磁数据变化剧烈程度的不同划分5个实验区域;通过等间隔采样的方式,从原始数据中抽取大间隔数据作为实验数据,然后算法插值得到估值数据;围绕原始数据与估值数据残差的集中趋势、离散程度和分布形态等因子,建立基于统计学指标的算法评价体系;仿真验证3种较优插值算法的效果。通过对仿真结果的定量分析,得出了3种插值算法的适构性结论。     

海洋浮标无线通信网络多维度信息聚类算法

传统无线通信网络中采用的通信聚类算法,在海洋浮标无线通信网络使用中,受到海洋浮标收发基点数据维度影响,无法对交互数据进行权重参量进行多维度变量计算,导致多个浮标基点间的数据交互面变窄,数据流量下降的问题。因此,本文提出海洋浮标无线通信网络多维度信息聚类算法研究。通过引入多维度交互算法,对海洋交互面上的每个浮标无线通信基点信号,进行多维度数据交互逻辑修正;接着引入多维度信息聚类算法,对修正后的多维度交互信号进行多维度空间下的数据交互加权的聚类计算,从而实现多个海洋浮标基点间无线通信交互的量化有优化;最后,通过仿真实验,证明提出的海洋浮标无线通信网络多维度信息聚类算法,能够有效解决传统算法存在的问题。     

基于机器学习算法的海洋平台结构整体安全度评估

以保障海洋平台结构整体安全度,延长海洋平台使用寿命为目的,提出基于机器学习算法的海洋平台结构整体安全度评估方法。基于层次全息建模理论,从环境、技术状态、功能模块等6个角度出发,共选取22个评估指标构建海洋平台结构整体安全度评估指标体系;采集评估指标数据,利用数据清洗与转换等处理方法预处理指标数据。将海洋平台结构整体安全度划分为5个等级。利用机器学习算法中的卷积神经网络构建评估模型,将评估指标数据作为输入,指标数据特征提取与数据降维等过程输出海洋平台结构整体安全度评估等级。实验结果显示该方法指标数据利用率较高,可准确评估海洋平台结构整体安全度,提升海洋平台使用的安全性。     

基于频域残差及局部协方差的红外弱小目标检测

在复杂背景及强噪声干扰的场景中,红外小目标因其尺寸小、信号弱、缺乏文理特征等特点,极易湮没在背景和噪声中,导致检测虚警率高、算法复杂、计算量大等问题。为此,本文提出一种基于频域残差及局部协方差的红外弱小目标检测方法。首先,通过频域残差计算红外图像的显著图,以获得目标可能存在的区域。然后,在此区域内利用局部协方差检测方法做识别。最后,通过自适应阈值分割得到真实目标。对不同复杂背景的红外图像进行小目标检测实验,结果表明,与传统检测算法相比,该算法在不同场景下都能有效抑制背景和噪声,准确检测目标,且满足实时性要求。     

利用Hadoop云计算平台进行海量数据聚类分析

海洋信息的飞速增长使其数据量越来越多,对数据进行合理的分类,能够有效的挖掘数据与数据之间的关系。本文首先描述传统的K-Mean聚类算法,并指出其影响因素,在此基础上进行改进,提出BRTI-KMeans算法,并将此算法与传统的K-Means算法和Canopy-K-Means算法进行比较,以此说明本文算法在进行海量数据聚类分析方面具有优越性。     

海上雷达通信数据特征实时监测算法研究

传统船载雷达通信数据检测算法存在小范围样本数据监测准确率低,究其根源在于算法对小样本数据特征计算能力不足,无法精准提取小样本特征。为此提出基于大数据分析的船载雷达通信数据特征实时监测算法,算法由2种计算子算法构成。首先,引入MIFS小样本特征滤除算法,对雷达数据内小样本周边数据进行滤除计算,提升小样本特征清晰度;其次,引入大数据IDWPA遗传编码特征算法,利用大数据分析能力对小样本数据进行遗传模型建力计算,准确抓取小样本特征,完成整套算法计算;最后,通过仿真实验证明提出算法能够有效解决传统算法特征计算力不足,监测准确率低的问题。     

基于Faster R-CNN的高速公路抛落物检测

采用传统的基于图像处理的检测方法对高速公路抛落物进行检测不仅耗时耗力,而且检测效果不理想,为解决该问题,提出一种基于Faster R-CNN的深度学习检测方法.在原始Faster R-CNN的基础上,采用残差网络Resnet101代替传统的VGG-16网络和ZFNet网络,作为图像特征提取网络;采用尺寸为4像素、8像素和16像素的锚框代替原始锚框,得到高速公路抛落物检测模型.采用自制的高速公路抛落物数据集对该检测方法的有效性进行验证,结果显示,采用该方法检测的平均准确率达到了91.75％,相比原始的Faster R-CNN算法和yolov3算法,分别提高了7.02％和11.13％.     

回声状态网络下海洋多目标跟踪控制系统研究

针对传统海洋多目标跟踪控制系统跟踪速度慢的问题,设计一种基于回声状态网络的海洋多目标跟踪控制系统。选用PMI1201C D/C卡,插在兼容的计算机卡槽中,进行海洋多目标的数据探测,并通过安装多通道信号调理卡,实时改变滤波器截止频率。利用目标检测算法,选择海洋多目标控制区域,并对目标中心位置进行计算,得到目标状态估计结果,确认目标轨迹,实现基于回声状态网络的海洋多目标控制。仿真实验结果表明,该系统设计在进行目标控制时,速度较传统速度高出了22.78%,符合理想的海洋多目标控制要求。