基于云计算的船舶通信网络入侵特征提取方法

普通船舶通信特征提取方法,不能根据入侵数据所处位置,快速完成数据特征的提取。为有效解决上述问题,设计基于云计算的船舶通信网络入侵特征提取方法。通过船舶通信入侵问题描述、特征数据的信号处理,完成云计算环境下,船舶通信入侵特征数据的确定。通过入侵特征架构的搭建、多序列船舶数据入侵特征提取,完成基于云计算的船舶通信网络入侵特征提取方法的搭建。设计对比实验结果表明,新型特征提取方法,与传统方法相比,可更加准确的确定入侵数据所处位置,并适当缩短完成数据特征提取所需时间。     

基于并行深度卷积神经网络的舰船通信异常数据检测研究

为了提高通信异常数据检测效果,设计基于并行深度卷积神经网络算法的大规模舰船通信异常数据检测方法。采集大规模舰船通信数据,采用小波变换对数据实施降噪处理,将降噪后数据输入并行深度卷积神经网络中,经过模型训练提取特征,利用Softmax分类函数得出舰船通信异常数据特征,输出舰船通信异常数据检测结果。实验结果表明：该方法可有效实现大规模舰船通信异常数据检测,其加速比最高,并行效果最优;具有较强的大规模舰船通信数据集检测能力,提高大规模舰船通信异常数据检测效果。     

基于图像检测的船舶特征提取算法优化

传统船舶特征提取算法,无法完全对船舶特征进行提取,存在精度不够、无法有效提取特征点等问题。为有效解决此问题,提出基于图像检测的船舶特征提取优化算法。计算不同波段下船舶图像的灰度值,依据灰度值结合霍夫曼及分裂排序编码构建船舶图像特征提取示意图;设计基于图像的船舶特征点检测提取模型,确定图像中船舶特征点相关性。依据相关性进行船舶特征点的有效提取,并利用图像特征提取,完成船舶特征提取的优化算法,设计对比实验结果表明,改进后方法与传统方法相比,大幅提高船舶特征提取的准确性。     

舰船通信系统非平衡数据多目标自动检测技术

传统舰船通信系统非平衡数据检测技术需要计算所有数据,检测效率低下。对此设计舰船通信系统非平衡数据多目标自动检测技术。通过计算通信数据集内各数据点的欧几里德距离,剔除带有明显维度特征的非平衡数据减少计算量,将剩余通信数据降维并建立一维空间映射,最后对空间映射内的一维数据集特异值进行统计计算,实现非平衡数据检测。实验研究表明相比较传统检测方式,单位时间下设计的多维数据异常点检测数量高25%,固定异常点数据用时缩减23%,可以明显提高检测效率。     

复杂船舶信息数据库的目标数据检索方法研究

在对复杂船舶信息数据库的目标数据检索中受到数据的类间扰动因素的影响,导致检索的查准率不好,提出一种基于模糊关联维特征匹配的复杂船舶信息数据库的目标数据检索方法,构建大型船舶综合信息数据库的分布式数据存储结构模型,提取船舶信息数据流进行特征重组,采用关联维模糊空间聚类方法进行大数据分类处理,根据船舶信息数据分类属性特征进行特征提取和干扰滤波,结合模糊特征匹配方法实现检索目标数据的空间聚焦,并在信息系统终端输出检索数据。仿真结果表明,采用该方法进行船舶信息数据检索的查准率较高,抗干扰能力较强。     

船舶噪声数据库中自动快速筛选数据方法

为了有效地提取船舶噪声数据库中数据,提出一种基于DBSCAN算法的船舶噪声数据库中自动快速筛选数据方法。采用DBSCAN方法识别数据库中的数据分布特征并排除异常数据,利用数据值筛选特征,通过数据增益率对特征进行加权,计算船舶噪声数据库中聚类质心的距离来提取出噪声数据。采用扰动支持噪声数据代价函数的方法测量数据特征的分类贡献度,进而建立噪声数据特征指数,对噪声数据特征指数以递归方法进行噪声数据特征排序和优化筛选。实验仿真证明,所提方法能够有效地自动快速筛选数据,筛选出来的数据质量较高。     

云计算环境下模糊舰船图像局部特征提取方法研究

为弥补SIFT算法在匹配精度上存在的不足,设计云计算环境下的模糊舰船图像局部特征提取方法。在云计算服务框架中,实现矢量描述子的分类操作,完成云计算环境下的舰船图像节点匹配处理。在此基础上,按照舰船图像的局部特征构造需求,建立模糊图像的稀疏数据库,再根据必要特征提取量的计算结果,实现新型模糊舰船图像局部特征提取方法的顺利应用。对比实验结果表明,与SIFT算法相比,应用新型局部特征提取方法后,舰船图像模糊匹配精度最大值接近75%,传统提取遗留问题得到妥善解决。     

舰船可伸缩视频图像非显著特征自适应提取方法

针对目前舰船视频图像特征提取方法误差较大的问题,以SUSAN角点提取为核心,设计新型舰船可伸缩图像非显著特征自适应提取方法。利用高斯滤波对原始视频影像进行预处理,提取视频图像概略特征集,采用SUSAN特征集角点检测方法,对图像概略特征集进行角点检测,提出灰度差算法,更改角点灰度差阈值,实现视频图像非显著特征自适应提取。实验数据表明,该方法与传统方法相比,视频图像象元定位精确度提高17%,灰度点定位精确度提高了21%,可以明显提高视频图像特征自适应提取准确度,具有较好鲁棒性。     

基于小波域2DPCA特征提取算法的SAR图像识别

文章提出了一种利用二维离散小波变换与二维数主成分分析结合对SAR图像进行特征提取的新方法。该方法对SAR图像进行二层小波分解后提取低频子带图像的二维主成分分量作为目标的识别特征,利用支持向量机完成目标分类。采用MSTAR实测SAR目标数据集进行特征提取和分类实验,实验结果表明:该方法可以有效提高目标的正确识别率。     

通过非线性方差守恒的降维映射实现模式数据可视化

本文描述了一种降低多维模式数据维数的新方法。该方法通过保证所表述数据的方差不变，用非线性无监督学习方法实现从原模式空间到降维空间的映射，目的是用降维群体使复杂的多大群体实现“可视化”。本文与强调特征提取的Ｋ－Ｌ方法和联想方法，以及强调基于原始表述相似性分类格式的ＡＲＴ和特征映射方法有联系，也有不同。新方法运算更加有效。文中描述了新方法的基本特点。用新方法得到的汽油混合数据实例可以用于指导以后汽油     

舰船信息系统多来源数据有效识别方法研究

在舰船信息系统中汇总了大量的多源数据,由于多源化的数据识别程度不同,造成传统多源数据识别方法识别速率较低,为此提出舰船信息系统多来源数据有效识别方法研究。使用线性特征计算对多来源数据进行快速特征提取,去除冗余数据减少识别数据量,以数据合成规则为基础,对提取特征进行快速融合,将融合特征数据以几何形式进行高速识别,完成舰船信息系统多来源数据有效识别。实验数据表明,设计的多来源数据有效识别方法比传统识别方法的TGK识别速率高0.15%,并具备极高的有效性。     

基于人眼视觉特性的舰船图像增强方法

传统舰船图像增强方法没有考虑人眼视觉特征,导致图像人眼视觉识别率较低,对此提出新型舰船图像增强方法。通过对舰船图像数据的标准化和白化操作,完成舰船图像人眼视觉化处理,提取处理图像数据的颜色特征和纹理特征,消除干扰项,提高图像特征维,根据图像H值,将升维后的图像数据,转换到RGB色彩空间中,合成图像色度、饱和度和强度,实现图像增强。实验数据表明,与传统图像增强方式相比,利用新设计的舰船图像增强方法,图像人眼视觉识别度提高27%,具有应用优势性。     

船舶移动网络数据入侵攻击防御方法研究

为解决传统船舶移动网络数据入侵攻击防御方法,存在防御有无效率较低的不足,提出了船舶移动网络数据入侵攻击防御方法研究,基于入侵数据特征识别与特征提取,以及卡方数据统计,利用阈值判断的形式,实现船舶移动网络数据入侵攻击防御,完成了提出的防御研究,实验结果表明,提出的网络数据入侵攻击防御方法较传统数据攻击防御方法,攻击防御有效率提高21.44%,且能够较快的完成网络数据入侵防御,保障船舶移动网络的安全。     

海面目标雷达图像多尺度轮廓段特征提取方法

为了有效提高舰船雷达图像特征识别度,基于当前灰度投影拟合相关技术,提出舰船雷达图像轮廓特征提取方法。根据雷达感应电磁波输入信号排列,通过预设灰度级和拟合高度,根据图像三原色组成比例,获取灰度图像,利用二维分割法,根据灰度级转换特征,将一维灰度图分割为二维灰度图,通过模糊积累特征识别方法,设置二维灰度图的特征函数,求取隶属函数,建立模糊特征集,实现雷达图像轮廓特征提取。实验数据表明,应用该设计特征提取方法,图像灰度回波提高了32%,灰度纵波提高了29%,图像特征识别精度具有明显提高。     

船舶事故发生频率估计的非线性数学模型研究

传统船舶事故发生频率估计模型对评估数据的维度过高,导致部分有效评估因素因维度限制,无法参与模型的评估,降低了模型评估输出结果的严谨性,无法适应事故发生频率评估的非线性特征。为了解决传统评估模型存在的不足,提出船舶事故发生频率估计的非线性数学模型研究。首先根据非线性特征对模型构建数据信息进行归一化整理,然后对归一化数据进行降维计算,重构模型参量定义。最后,按照重构参量维度,完成船舶事故发生频率估计模型的建立。为了验证建立模型的准确性,采用数据对比方法,利用实例数据调试,与传统模型进行对比,调试结果证明提出模型的评估准确率能够到达97.6%以上。     

基于高阶谱的舰船噪声特征提取与实验

利用高阶谱对舰船辐射噪声进行了分析,着重研究了采用双谱分析的方法提取舰船噪声特征,给出了维谱特征提取的算法,提取了9维的特征向量并利用神经网络进行了训练与识别.实验表明,该方法对舰船辐射噪声信号具有很好的分类效果.     

基于KPCA与KFDA的SAR图像舰船目标识别

针对SAR图像中舰船目标识别的问题,提出了基于核主成分分析(Kernel Principal Component Analysis,KPCA)和核Fisher判别分析(Kernel Fisher Discriminate Analysis,KFDA)相结合的舰船目标识别算法。用核主成分分析的方法对实测的SAR舰船目标数据进行特征降维,再结合核Fisher判别分析法对降维后的样本数据进行多类别分类。将该方法用于对实测的四类舰船目标进行识别,平均识别率可达91.25%。实验结果表明,核主成分分析与核Fisher判别分析相结合的方法可提取目标的有效特征,在较低特征维数情况下获得较高的目标正确识别率。     

船舶多目标图像特征并行提取算法

一片海域中包含多个船舶目标,同时提取多个目标过程极其复杂。传统的船舶多目标图像特征并行提取算法提取出来图像特征清晰度很差。为解决此问题,研究了一种新的船舶多目标图像特征并行提取算法,介绍了船舶图像多目标特征提取架构图,重点分析颜色特征提取过程、纹理特征提取过程和形状特征提取过程。特征并行提取流程共分为初始分析、目标特征识别、图像特征确认、描述显示4个步骤,通过计算目标船舶所在位置,分析灰度值,提取船舶特征。利用与传统算法的对比实验验证了该算法的可行性。实验结果表明,给出的算法提取的目标图像清晰度更高。     

基于KPCA与KFDA的SAR图像舰船目标识别

针对SAR图像中舰船目标识别的问题,提出了基于核主成分分析(Kernel Principal Component Analysis,KPCA)和核Fisher判别分析(Kernel Fisher Discriminate Analysis,KFDA)相结合的舰船目标识别算法.用核主成分分析的方法对实测的SAR舰船目标数据进行特征降维,再结合核Fisher判别分析法对降维后的样本数据进行多类别分类.将该方法用于对实测的四类舰船目标进行识别,平均识别率可达91.25%.实验结果表明,核主成分分析与核Fisher判别分析相结合的方法可提取目标的有效特征,在较低特征维数情况下获得较高的目标正确识别率.     

嵌入式船舶运行数据库中信息快速查询方法

针对当前嵌入式船舶运行信息数据库信息查询的开销大,查准率不好的问题,提出基于模糊聚类和相关谱特征提取的嵌入式船舶运行数据库中信息快速查询方法。首先进行嵌入式船舶运行信息资源数据的采集和存储结构分析,提取嵌入式船舶运行信息数据信息流特征,对船舶运行数据进行自相关特征分析,提取反映船舶运行状态特征的相关谱特征量,对提取的谱特征量采用模糊C均值聚类方法进行特征识别和分类处理,提高数据库查询的目标指向性,实现数据库信息快速查询。仿真结果表明,采用该方法进行嵌入式船舶运行数据库中信息查询的查准率较高,实时性较好。