多维缩放舰船运行数据聚类算法设计

传统的聚类化运算算法(基于K-Means算法),在大数据环境下运算力下降,数据聚类运算收敛不足。提出基于多维缩放的舰船运行数据聚类算法设计。利用基于多维缩放的KNTSCCA聚类算法,对舰船运行数据传统算法进行替换,通过对舰船数据的降维迭代计算,实现多维缩放聚类算法设计。通过仿真实验证明,提出的多维缩放的舰船运行数据聚类算法,能够解决现有基于K-Means算法收敛不足的问题,具有可行性。     

基于聚类算法的舰船通信数据深度挖掘方法

传统挖掘方法无法考虑众多通信因素的多层次特征,造成数据挖掘效果不理想,为此设计一种基于聚类算法的舰船通信数据深度挖掘方法。利用聚类算法,对通信数据的多层次特征进行筛选,从而为通信数据的深度挖掘提供依据,结合聚类挖掘粗糙集,生成数据深度挖掘的关联规则并进行聚类计算,对每个通信数据执行交叉变换逻辑,实现舰船通信数据的深度挖掘。实验结果表明,利用聚类算法进行通信数据的深度挖掘,能够提高数据的挖掘速度,且准确率较传统方法高27.15%。     

模糊聚类算法在船舶火灾探测中的应用

在火灾探测时,由于火灾对象的非确定性,以及现场环境的复杂性,存在许多困难.火灾与非火灾数据并不存在明确的差异,人们也不能把这种差异用函数来表示.本文提出了采用模糊C均值聚类算法对船舶火灾数据进行分类.计算结果表明该算法能有效地区分各种火灾现象.     

基于模糊聚类的数据关联融合算法

利用模糊相似性和模糊C均值聚类算法相结合，提出一种求解多传感器多目标跟踪数据关联问题的方法。该方法的目的是实现多传感器观测数据的模糊聚类，使源于不同目标的观测数据能正确划分到该目标中去。仿真结果表明，该算法可以实现数据与目标的正确关联，克服传统硬判断的一些缺点。     

基于模糊聚类的数据关联融合算法

利用模糊相似性和模糊C均值聚类算法相结合,提出一种求解多传感器多目标跟踪数据关联问题的方法.该方法的目的是实现多传感器观测数据的模糊聚类,使源于不同目标的观测数据能正确划分到该目标中去.仿真结果表明,该算法可以实现数据与目标的正确关联,克服传统硬判断的一些缺点.     

基于K-means聚类的舰船通信网络异常数据检测

为了解决海上通信环境中的干扰和传输问题,提升舰船通信网络通信质量和可靠性,提出基于Kmeans聚类的舰船通信网络异常数据检测方法。构建舰船通信网络通信多径信道模型,利用该模型获取舰船通信网络数据。使用基于超窄带滤波的舰船通信网络数据滤波处理方法去除舰船通信网络数据内的干扰噪声,将无噪声的舰船通信网络数据作为输入,使用K-means聚类算法输出舰船通信网络异常数据检测结果。结果表明,该方法采集舰船通信网络数据较为准确,并可有效去除数据内含有的干扰噪声,降低舰船通信网络数据幅值区间,同时可用聚类方式准确检测舰船通信网络异常数据,应用效果较为显著。     

基于最大相容类粗糙集模型的容差类求解算法研究

对基于最大相容类的粗糙集模型进行深入的研究,提出两种此模型下的容差类,并从最大相容类的求解算法入手进一步提出了这两种容差类求解的算法。通过实例验证了算法的有效性,从而为基于容差关系的粗糙集模型在处理不完备信息系统的问题上提供了重要的理论基础。     

基于模糊聚类视区划分的舰船目标识别

随着海洋经济的飞速发展,各种智能化的无人设备被用于海洋资源的开发,同时在军事领域,舰船之间的通信和识别技术也向智能化方向发展,在对舰船目标进行识别时,目前还主要依靠人工进行。因此,本文重点研究了模糊聚类算法在图像目标识别领域的应用,并针对舰船的特点,构建相似矩阵,对特定的舰船轮廓设定判断阈值。从样本数据的仿真实验结果看,本文提出的识别算法能够主动识别出舰船的轮廓特征,具有相当大的研究价值。     

一种基于遗传算法的模糊聚类算法及其与FCM算法的结合

在各种糊聚类算法中,模糊C-均值聚类算法FCM(Fuzzy C-Mean Clustering Algorithm)的应用最为广泛.但在实际的应用中,FCM算法却容易陷入局部最优解.因此,本文首先提出了一种基于遗传算法GA(Genetic Algorithm )的模糊聚类分析方法,它利用了遗传算法随机搜索的特点,可以避免陷入局部最优解.实验表明,将该遗传算法与FCM算法结合起来进行聚类分析,比单一使用遗传算法或单一使用FCM算法进行聚类分析的效果都要好.     

基于两步聚类算法的船舶交通事故分析

通过对近六年船舶交通事故进行统计分析,运用聚类算法进行数据挖掘,并基于两步聚类算法对数据进行聚类分析,发掘事故各变量间的相关性,并进一步提出事故防范对策以保障航行安全。     

一种新的聚类算法在数据挖掘中的应用

说明聚类算法在数据挖掘中的作用,并结合实际数据的特点,采用一种新的模糊聚类算法.该算法在事先不知聚类数的情况下,能够确定聚类数及中心点.同时,能够消除噪声对于数据的影响,适合较大规模的数据,方便进一步的数据挖掘.对实际通信信号的实验结果表明该方法是实效的.     

无线网络舰船运动目标检测动态聚类图

在舰船航行的过程当中会受到海面随机因素的影响,使舰船自身特征被周边环境所掩盖,导致其统计显著性不明显。针对上述问题,提出无线网络的舰船运动目标检测动态聚类图研究。将海上原始流量数据聚类,采集环境信息,定位舰船运动轨迹,计算舰船理想位置与目标位置间的距离残差,利用谱图划分的模式,从不同角度提取目标舰船特征,从微观层次转变到介观层次,完成无线网络的舰船运动目标检测动态聚类图研究。实验结果表明,所提出的新型方法将检测范围加以细化后,提高了运动目标的显著度,使舰船自身特征识别能力得以提高,从而有效减小了周边环境对聚类结果的影响。     

聚类算法下舰船短波通信数据隐写研究

传统的舰船短波通信数据隐写算法无法对发生畸形的数据进行隐写计算,影响后续多波通信数据隐写稳定性的问题。为此,提出聚类算法下舰船短波通信数据隐写方法。首先构建神经卷积层,对发生结构异变的短波通信数据的结构进行恢复计算,然后重组计算短波通信信号的隐写密钥结构,对重组密钥的短波信号数据进行相邻信号组的融合计算。最后,对融合数据进行聚类差异的计算。通过对数据隐写能力差异的计算,为保证研究的客观有效,设计一组仿真实验对提出隐写方法进行对比。实验结果表明,所提方法在短波通信数据隐写方面,具有提升隐写计算稳定性的作用。     

模糊聚类算法在舰船电气系统故障远程检测中的应用

依据模糊均值聚类故障检测原理,对舰船电气系统初始状态数据样本归一化后,构建舰船电气系统状态数据模糊相似矩阵,依据该矩阵分析系统状态数据亲疏度;利用亲疏度结果获取状态数据的最佳权值指数,并对状态数据样本进行加权处理,降低系统状态数据聚类稀疏度;将最佳权值指数赋予到状态数据中,同时更新模糊C-均值聚类目标函数.通过设置聚类...     

改进的均值插补不完备数据聚类算法

在许多实际场景中,由于数据获取困难、数据误读、数据丢失以及随机噪音等因素导致大量的数据缺失.针对传统的聚类算法无法直接处理不完备数据集的问题,提出了一种基于传统聚类算法的均值插补不完备数据的聚类方法,首先将不完备数据集划分为两个互不相交的子集,使用传统的聚类算法处理无缺失数据的数据对象获得初始聚类结果;然后使用各类中数据对象的属性均值填充不完备数据对象的缺失数据,观察各类中心值的变化确定最终的插补值.实验通过有效性指标评估该算法在UCI数据集上的聚类结果,可以验证算法的有效性.     

半监督聚类算法在舰载雷达信号中的应用

从数据挖掘角度阐述半监督近邻船舶聚类在舰载雷达信号处理中的应用,并给出算法实现过程。最后通过对7种信号的小波包能量熵特征统计来说明,本文所采用的半监督近邻传播聚类在聚类准确率和聚类数方面要优于AP聚类和半监督聚类。     

优化的蚁群算法和船舶电网系统云数据聚类和实现

首先分析蚁群聚类算法,并指出其存在的问题;然后给出传统的蚁群聚类算法在船舶电网云数据聚类的实现流程,针对算法中存在的问题,提出利用惯性因子、随机初始化等方式改进和优化算法对船舶电网故障进行诊断;最后通过实验进行说明,优化后的蚁群聚类算法与K-mean算法、粒子群K-mean算法相比具有较好的收敛性。     

基于粗糙集理论的规则类知识更新研究

针对知识管理在理论实践中缺乏对知识更新问题的重视,以规则类知识为例,研究其实时更新的过程.在分析规则类知识结构的基础上,指出采用关系数据库作为其表示以及存储方法,并提出了如何使得基于粗糙集理论获得的规则类知识通过支持度、可信度、属性覆盖度函数评价法以及定时地将特殊知识向一般知识转化来实现新规则类知识的实时引入和过时规则类知识的实时遗忘.最后给出案例证实了此方法的有效性和实用性.     

一种基于遗传算法的模糊聚类算法及基与FCM算法的结合

在各种糊聚类算法中,模糊C－均值聚类算法FCM（Fuzzy C-Mean Clustering Algorithm）的应用最为广泛。但在实际的应用中,FCM算法却容易陷入局部最优解。因此,本文首先提出了一种基于遗传算法GA（Genetic Algorithm)的模糊聚类分析方法,它利用了遗传算法随机搜索的特点,可以避免陷入局部最优解。实验表明,将该遗传算法与FCM算法结合起来进行聚类分析,比单一使用遗传算法或单一使用FCM算法进行聚类分析的效果都要好。