基于分类矩阵ID3决策树的数据预处理技术研究

分析数据挖掘中数据预处理的重要性,提出了一种基于分类矩阵的ID3算法,通过引入分类矩阵对ID3算法的多值偏向性和分类速率进行改进,并利用实例对改进效果进行验证,最后在数据挖掘的预处理中,分析了改进算法在缺失值填充和异常数据处理中的具体应用.通过分析可以发现该改进算法能有效克服多值偏向性并提高分类速率,并在数据预处理中有很好的应用效果.     

基于遗传BP算法的神经网络目标分类器的研究

首先阐述了水下目标识别的研究发展和系统组成,然后提出了一种基于遗传BP算法训练神经网络目标分类器的新方法。实验结果表明采用新方法的神经网络分类器比采用改进BP算法的神经网络分类器具有更优的分类效果。     

基于遗传BP算法的神经网络目标分类器的研究

首先阐述了水下目标识别的研究发展和系统组成,然后提出了一种基于遗传BP算法训练神经网络目标分类器的新方法。实验结果表明采用新方法的神经网络分类器比采用改进BP算法的神经网络分类器具有更优的分类效果。     

基于ASM和FNN的人脸识别

将主动形状模型ASM(Active Shape Model)与模糊神经网络FNN(Fuzzy Neural Networks)相结合并用于人脸识别。针对经典ASM对初始化位置敏感、收缩速度慢的现象和传统模糊神经网络难以解决高维模式分类的问题进行了分析和改进。ORL人脸库上的试验表明了该算法的有效性。     

基于深度卷积神经网络的船舶识别方法研究

为解决目前船舶识别率较低的问题,基于深度卷积神经网络算法,提出一种在深度卷积神经网络基础上的改进算法.利用卷积神经网络对船舶图片进行深度特征提取,结合HOG算法得到准确的边缘特征,结合HSV算法得到颜色特征,通过SVM分类器对船舶进行分类.算法主要包括2个阶段:训练阶段实现卷积神经网络的预训练,将得到特征归一化,PCA降维,通过HOG算法得到边缘特征,最后训练SVM分类器;测试阶段则对算法的准确性进行核实.实验结果表明,该方法平均识别正确率达到93.6％,可以很好地实现船舶识别.     

基于模糊模式识别的中间产品族分类评价——以总装化造船为例

阐述以中间产品族的专业化生产为导向的总装化造船先进制造理念,把中间产品族的分类方案的技术特征和经济特征结合起来,运用中间产品分类方案的生产效率、生产技术水准、中间产品的模块化率、中间产品的外包率、单位产量的成本节约等指标,并基于模糊模式识别方法,通过实例对各种中间产品族的分类方案进行评价.     

BP神经网络在舰船电网谐波预测中的应用

为预测电网谐波,改进供电品质,本文根据电网谐波特性,建立了BP神经网络算法,对电网谐波样本点进行了误差训练,得到了谐波幅值变化特性。通过与标准值比较,表明:采用BP神经网络算法对谐波进行拟合能够达到较高的准确度。     

基于改进BP算法的凝给水系统故障诊断神经网络的分析与训练

分析了故障诊断神经网络的组成,构建了凝给水系统故障诊断神经网络,并用改进BP算法对新构建网络进行了训练.训练后的凝给水系统故障诊断神经网络得到了很好的验证.     

改进的BP神经网络在船舶与海洋工程中的应用研究

人工神经网络作为一个具有高度非线性映射能力的计算模型,在工程中具有广泛的应用前景.在数值预测方面,它不需要预选确定样本的数学模型,仅通过学习样本数据即可以进行预测.文章介绍了BP神经网络,并针对实际应用中收敛速度慢,平台效应等问题对网络进行了改进并优化,详尽地给出了改进的三层BP神经网络数值预测算法.为测试该算法.选用了著名的XOR(异或)问题和和一个高度非线性的0-1矩阵预测问题对其进行了验证.计算结果表明文中算法能给出令人满意的精度.最后结合船舶与海洋工程的两个实际问题,探讨了利用改进的BP神经网络进行数值预测的方法和应该注意的问题,并给出了一些有益的建议.实践表明,文中给出的改进的BP神经网络数值预测算法值得在船舶与海洋工程中加以应用并推广.     

支持向量机改进算法在船舶桨叶数分类中的应用

利用船舶目标辐射噪声DEMON谱特征,采用支持向量机改进算法,实现了对船舶螺旋桨桨叶数的分类识别应用研究。针对支持向量机算法对噪声比较敏感和求解最优分类面时约束较多不利于支持向量机最优分类面寻优的问题,在保持支持向量稀疏特性和应用径向基核函数的条件下,对支持向量机算法在松弛变量和决策函数2方面进行改进,构造齐次决策二阶损失函数径向基支持向量机改进算法,进行理论分析、数据仿真实验,并应用于利用船舶目标辐射噪声DEMON谱进行船舶螺旋桨桨叶数的分类识别实验。结果表明,该改进算法实现了支持向量机在二次规划中的最小约束条件下最优分类面求解,具有模型参数寻优空间广阔、总体分类性能优的特点,其分类性能优于原支持向量机算法,适用于利用船舶目标辐射噪声DENOM进行船舶螺旋桨桨叶数分类应用。     

造船系统中间产品加工族划分的研究

对中间产品进行成组生产，是以中间产品为导向的现代造船模式的基本特征。本文以部件的分类成组为研究对象，详细分析了某一17万吨散货船部件的特征，应用聚类分析法对部件进行分类，并结合船厂的生产实际，对部件加工族的数目进行了讨论。分析结果显示，全船4624个部件共形成5个部件加工族。     

造船专业化生产单元模型及其作业安排优化

组建成组生产单元,实行中间产品的专业化生产是以中间产品为导向的现代造船模式的特征.在一定的生产计划期内,生产单元内中间产品的生产,通过成组、优化,采取批量生产的方式,以一定的节奏连续均衡地生产.研究了选择合理的生产节奏,保证生产单元作业的均衡性及降低其生产成本.建立了生产单元的作业安排数学模型,并应用遗传算法进行求解,得到了在满足资源限制条件下的成本最小的生产节奏,并实现了资源利用的均衡性,从而可以制订出合理的单元生产作业计划.     

一种有向概率图连通性仿真算法

图的连通性分析在系统可靠性分析、系统结构优化等领域有重要作用,该文为分析有向概率图的连通性提出了一种仿真算法。对该方法使用MATLAB和GENIE软件进行仿真,首先通过MATLAB计算网络连通分布情况,得到中间结果,然后将中间结果输入到GENIE,可以根据相互独立的各边失效度分析有向概率图连通的概率、各边失效时网络连通概率、网络不连通时各边失效概率以及进行灵敏度分析。仿真结果表明,该方法精度准确,运算速度快,适用于复杂结构的有向概率图连通性分析。     

基于NS2仿真的Ad hoc网络AODV路由协议性能研究

Ad hoc移动网络是一种无任何有线基础设施的多跳、临时性自治系统。在进行Ad hoc各种仿真过程中,都需要设定一定的场景和节点数目,合理设置两者之间的关系对于仿真结果的好坏起着重要的作用。文章使用NS2仿真常见的Ad hoc网络设定场景,从数据正确接收率、端到端平均时延和路由开销三方面对比分析出最优的节点设置数目。最后提出了一种性能综合判定方法,对仿真结果表明：在场景1000 m×800 m的环境,设置节点在35左右为最佳,在此基础上,研究通信时发送节点为10左右网络性能最优。     

基于NetFlow流量分析的网络蠕虫检测算法

网络蠕虫是网络安全中的一个重要议题,为了及时检测网络蠕虫,本文基于NetFlow协议提出了一种网络蠕虫的检测算法。该文介绍了NetFlow数据报的格式,提供了常见蠕虫病毒的NetFlow数据报的特征。统计了待检测网络流量特征,将此流量特征与正常网络流量特征进行对比,判断网络中是否存在蠕虫病毒。测试结果表明,该算法能够有效地检测网络蠕虫病毒。     

应用BP网络测算造船作业任务包定额工时

分析分段各组立阶段所对应中间产品之间的关系，得出它们之间有特定的偏序关系。产品导向型作业分解是依据船厂的资源条件分解一个个任务包，对应中间产品的一个个任务包与作业工时又有非线性的函数关系。以外高桥造船公司为背景提出了中心制造船模式下工时定额和信息反馈的设想，并用网络方法估算作业工时。分析了BP网络的特性，在建立工时测算模型的基础上提出了BP网络的工时测算模型，经过编程试算，说明本方法可行。     

基于3G网络与GNSS的多模态组合无线定位技术研究

目前3G网络提供无线定位服务功能,但其定位精度有限。本文提出了以3G无线定位配合GNSS全球卫星定位系统来进行位置服务的多模态联合定位技术,详细地介绍了这种定位技术的基本原理以及网络结构,研究了其通信流程以及定位算法,能为高精度无线定位技术的研究提供参考。     

基于L-M贝叶斯正则化方法的BP神经网络在潜艇声纳部位自噪声预报中的应用

基于L-M贝叶斯正则化方法使BP神经网络在推广能力、收敛速度和逼近精度上能够获得很大的提高.文中将BP神经网络和L-M贝叶斯正则化算法相结合用于潜艇声纳部位自噪声预报.分析了影响声纳部位自噪声的各种参数.利用潜艇声纳实测数据进行网络训练,训练好的神经网络可以对潜艇声纳部位自噪声进行精确预报.     

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％.     

先进的入侵检测系统模型探析

随着黑客和病毒等对网络侵害手段花样的不断翻新,入侵检测系统(IDS)正在向着大规模分布式、智能化和全面的防御方案发展,在这里从一个入侵检测的通用模型开始,着重介绍和分析了大规模分布式IDS、基于ART-2神经网络的IDS和基于Honeynet的网络IDS,并给出了模型.