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。     

云计算下船舶网络入侵高精度检测方法研究

普通船舶网络入侵检测方法,存在入侵数据分类不准确、检测结果精度过低等弊端。为解决此问题,搭建基于船舶云计算环境的新型网络入侵高精度检测方法。通过安全云框架的搭建、船舶云密钥的管理2个步骤,完成船舶云计算环境的搭建。通过高精度检测规则构成分析、入侵数据的优化分组、方法可行性分析3个步骤,完成基于船舶云计算环境新型网络入侵高精度检测方法的搭建。设计对比实验结果表明,新型检测方法与传统方法相比,有效降低入侵数据分类不准确、检测结果精度过低等现象的发生几率。     

基于关联规则的船舶故障数据自动分类方法

传统船舶的故障数据自动分类方法,存在故障数据类型定义不准确、分类时间过长等弊端。为有效解决上述问题,设计基于关联规则的新型船舶故障数据自动分类方法。通过船舶故障数据的采集及预处理、数据的进一步挖掘两大步骤,完成关联规则下的船舶故障数据感知。通过BP自动分类神经网络设计、船舶故障数据的归一化处理、HIWO自动分类算法设计三大步骤,完成新型船舶故障数据自动分类方法的搭建。设计对比实验结果表明,新型船舶故障数据自动分类方法,与传统方法相比,可以在提升故障数据类型定义准确性的同时,有效控制分类时间。     

船舶网络入侵风险等级估计算法研究

传统估计算法缺少信号分析与处理阶段,导致评估效果较差,为了解决该问题,引入神经网络评估算法对船舶网络入侵风险等级估计进行研究。根据船舶网络入侵风险等级估计问题确定流程,设计信号分析与处理阶段,保证数据分析有效性。根据信号处理结果,对船舶网络入侵风险等级进行划分,并对风险度量进行评估,由此完成船舶网络入侵风险等级估计算法研究。通过实验对比结果可知,该算法最高评估效果可达到97%,为船舶网络安全运行提供保证。     

船舶导航一体化网络路由算法的设计与实现

传统船舶导航路由算法,会随着船舶导航数据的增加,出现数据传输混乱、算法执行时间过长等现象。为解决上述问题,引入一体化网络原理,设计基于一体化网络的船舶导航路由算法。通过一体化网络模型的搭建、四叉树路由协议编址,完成一体化网络分层路由协议的搭建。通过预编码矩阵的选择、DTN船舶导航编码,完成新型船舶导航路由算法的搭建。设计对比实验结果表明,新型算法与传统算法相比,大幅改善船舶数据传输混乱情况,缩短算法执行时间。     

云计算的舰船网络入侵检测算法研究

普通入侵检测方法,不能在舰船保持运动状态情况下,准确判断入侵数据所处位置,并快速清除入侵数据。为解决此问题,搭建基于云计算环境的舰船网络入侵检测算法。通过数据捕捉模块的搭建、数据预处理模块的搭建,完成云计算运行环境的搭建。通过舰船网络总体结构的搭建、入侵检测算法的优化,完成算法的搭建。引入PSO法则,对算法的实现起到一定约束作用。设计对比实验结果表明,新型算法与普通方法相比,可以准确判断入侵数据所处位置,并大幅节省清除入侵数据所需时间。     

基于BP神经网络的船舶网络安全状态评价

船舶网络是一种特殊的移动网络,面临巨大的安全隐患,传统线性船舶网络安全状态评价的偏差大,结果极不科学。为改善船舶网络安全状态评价效果,设计了基于BP神经网络的船舶网络安全状态评价方法。该方法首先分析船舶网络安全状态评价影响因素,采集船舶网络安全状态评价数据,然后将影响因素和船舶网络安全状态评价分别作为BP神经网络的输入和输出,通过BP神经网络学习,对船舶网络安全状态进行评价,最后采用VC编程实现了船舶网络安全状态评价仿真实验,结果显示BP神经网络可以区分各种船舶网络安全状态,评价准确性得到大幅度改善,同时提升了船舶网络安全状态评价效率,可以有效保证船舶网络安全。     

基于四层过滤的船舶通信网络入侵检测模型研究

普通船舶入侵检测模型不能过滤垃圾数据,导致模型检测有效性下降。为解决上述问题,设计基于四层过滤的船舶通信网络入侵检测模型。通过E-R图设计、连通接口设计2个步骤,完成四层过滤船舶通信网络的搭建。在此基础上,通过数据结构性质分析、检测不变量确定、检测流程完善3个步骤,完成基于四层过滤船舶通信网络入侵检测模型的研究。设计对比实验结果表明,与普通船舶入侵检测模型相比,应用新型模型后,垃圾数据过滤强度、入侵检测有效性均得到一定程度提升。     

云计算下船舶网络多固定节点精确修复方法

普通船舶固定节点修复方法,在定位节点位置时,易出现较大偏差,且需要较长的修复时间。为解决此问题,提出云计算下船舶网络多固定节点精确修复方法。通过船舶云数据的划分、Apriori算法的改进,完成船舶云环境的搭建。通过船舶固定节点性能指标的确定、固定节点精确转移率的确定,完成云计算下船舶网络多固定节点精确修复方法的搭建。设计对比实验结果表明,新型方法与传统方法相比,可以准确定位节点所处位置,大幅度缩减修复完成时间。     

船舶通信网络异常数据定位技术

普通船舶异常数据定位算法,存在数据位置定位不够准确、定位时间较长等弊端。为有效解决上述问题,设计基于通信网络异常分析的船舶数据定位算法。通过船舶异常信号的稀疏化处理、通信网络的恢复与重构,完成通信网络异常分析。通过船舶数据关键字查询、GNP网络定位格局的搭建、定位最短路径选择,完成基于通信网络异常分析船舶数据定位算法的搭建。设计对比实验结果表明,新型算法与传统算法相比,可以快速、准确的定位数据所处位置。     

云计算船舶通信网络的入侵特征提取与检测

为使处于航行状态下的船舶具备良好通信条件,设计一种新型船舶通信网络的入侵提取与检测方法。以云计算环境作为物理搭建背景,通过特征比对序列构建、粗提取算子确定的方法,完成船舶通信网络的入侵特征提取。在此基础上,利用Modbus TCP安全协议,构建基础的船舶通信网络检测证人链,并根据具体网络运行需求,分析所需遵循的检测率,完成云计算船舶通信网络入侵特征检测与提取方法的构建。实用对比结果显示,与常见处理手段相比,应用新型入侵提取与检测方法后,船舶通信网络的基础维护量得到稳定提升,单位时间内信息通量的最大值状态得到有效延伸,具备构建良好船舶通信条件的物理能力。     

优化的BP网络在船舶故障诊断中的应用

船舶各种设备故障的早期诊断和预测,对船舶的安全运行具有非常重要的意义。由于船舶上设备繁多,运行环境特殊,因此,各种设备的故障症状与故障原因之间关系十分复杂,使用传统诊断方法在实际应用中效果不理想。BP神经网络在故障诊断中有广泛的应用,但由于BP网络采用的是沿梯度下降的搜索求解算法,存在收敛速度慢,且容易陷入局部极小等问题。而遗传算法具有全局搜索速度快的优点。为此,采用自适应遗传算法来优化BP神经网络,并以船舶主机轴系的故障诊断为实例,证明遗传算法优化的BP网络方法非常适用于对船舶各种设备故障的早期诊断和预测。     

基于GA-BP的船舶同步发电机定转子绕组匝间短路故障诊断研究

为诊断与分析船舶同步发电机定转子绕组匝间短路故障,文章采用基于主成分分析法(PCA)和遗传算法(GA)优化BP神经网络(GA-BP神经网络)的故障诊断方法。首先利用Maxwell软件平台故障仿真得到的定子三相电流作为特征信号,通过小波包分解重构以及PCA降维的处理方式,生成15维的样本数据,降低了网络规模以及处理计算时间,并针对传统BP神经网络收敛速度慢以及易陷入局部极小值的特点,利用GA算法对BP神经网络权值与阈值进行优化。通过样本数据对GA-BP神经网络进行训练测试,验证了PCA和GA-BP神经网络对于船舶同步发电机定转子匝间短路故障诊断具有可行性以及准确性。     

基于ABC优化BP神经网络的船舶交通流量预测

为提高船舶交通流量预测的准确性,针对BP神经网络随机确定初始权值和阈值的缺点,提出一种基于人工蜂群算法(Artificial Bee Colony,ABC)改进BP神经网络的ABC-BP船舶交通流量预测模型.利用人工蜂群算法全局搜索能力和不易陷入局部最优的特点,对BP神经网络的初始权值和阈值进行优化,并以青岛港船舶交通...     

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。     

基于神经网络的柴油机遥控系统故障智能诊断研究

为了克服传统模拟电路故障诊断方法的不足,通过对船舶柴油机遥控系统工作原理的分析,提出采用BP神经网络诊断船舶主机遥控系统的智能诊断方法。介绍BP神经网络结构确定方法及其数值优化技术,并以具体电路模块为例探讨神经网络在船舶柴油机遥控系统故障诊断中的应用。通过Matlab仿真可以发现基于BP神经网络的电路故障诊断方法具有自适应性好、训练时间短、准确性高等特点。     

基于人工智能技术的舰船网络安全信息风险评价研究

由于船舶网络结构层之间的差异性,导致不同结构层空间中的信息安全级别对应的风险系数各有不同。传统的网络信息风险评价方法只是根据网络全局系数,对网络信息进行相对性的安全风险评价。在评价准确性与代表性方面存在一定量的误差,降低了评价数据的可应用性。为了减小评价误差,提升评价数据的准确性,提出人工智能技术的舰船网络安全信息风险评价研究。利用人工智能技术,按照网络信息级别,对网络进行结构层划分,并建立模型;通过卷积神经网络算法,完成对不同结构层信息风险的MQ评价模型建立;根据模型输出数据,通过信息风险分布概率,完成网络结构层信息的全局风险评价;通过与传统方法评价结果的对比,提出评价方法能够有效降低评价数据误差,并将评价数据准确率控制在97.4%以上。     

基于遗传小波神经网络的港口船舶交通流量预测模型比较

对船舶交通流量进行准确预测在现代智能交通系统领域发挥着重要作用,为提高对船舶交通流量预测的准确性,本文将遗传算法分别与小波分析和神经网络进行结合,构建改进遗传小波神经网络模型,对广东省船舶交通流量的季度数据进行预测,并与遗传BP神经网络和传统小波网络等算法的预测进行对比。结果表明:经过遗传小波神经网络预测模型的误差相比传统的遗传BP神经网络模型和小波神经网络模型大幅度减小,提高了预测精度,从而保障水上交通安全,给水上安全主管部门的相关决策提供理论依据。     

基于改进神经网络的船舶姿态准确预报技术

为了有效解决当前船舶姿态预测准确性问题,结合当前船舶姿态数据特征,改进传统神经网络并以此为基础建立新型船舶姿态预报技术。重构神经网络格式特征区,添加脉冲输出和神经网络数据放大和衰减参数量,构建耦合神经网络作为主要计算网络,结合达尔文进化算法和传统遗传算法特征,构建交叉概率算法,顶替传统经验算法获取放大衰减真实值,通过PC端数据传输和样本导入,实现船舶姿态准确预测。仿真实验数据表明,改进后的神经网络船舶姿态预报技术对于船舶横纵斜度的预测均提高30%以上,达到了提高船舶姿态预测准确度的目标。     

基于自适应变异 PSO-BP算法的船舶横摇运动预测

为了准确高效预测船舶在海上的航行状态,以保证人员、货物和船舶的安全,提出一种自适应变异的粒子群优化算法（self-adapting particle swarm optimization algorithm,SAPSO）,将该算法与误差反传（back propaga-tion,BP）神经网络结合。SAPSO-BP预测模型使用SAPSO算法优化BP网络的网络参数。克服传统BP神经网络对初始权值阈值敏感,容易陷入局部极小值的缺点,同时也克服了传统PSO算法早熟收敛、搜索准确度低及迭代效率低等缺点。运用该模型对科研教学船“育鲲”轮在海上航行的横摇情况进行实时预测实验,验证该方法的可行性与有效性具有较高的预测精度。