舰船网络数据库中海量数据特征提取方法

传统的数据特征提取方法提取数据特征后不能完全保有数据原有特征,导致方法只能应用于低维度数据特征提取,方法的可行性差。针对以上问题,研究舰船网络数据库中海量数据特征提取方法。设计以神经网络为基本结构的降噪自动编码器,通过编码器对数据库数据降噪。利用基于主成分分析的数据降维算法对数据降维,之后根据数据库中数据的关联性提取数据特征,完成对特征提取方法的研究。设计与传统数据特征提取方法的对比实验,实验结果证明研究的方法能够提取不同维度数据特征,并且应用提取数据特征进行分类时,平均正确率为93.85%,高出传统方法 22.39%,实用性更强。     

舰船通信网络多维离散数据自动加密方法

传统的数据加密方法采用公钥加密的形式,对于多维离散数据的加密耗时长并且加密效果难以保证。针对上述问题,本文将研究舰船通信网络多维离散数据自动加密方法。对舰船通信网络进行混沌计算后,生成多维离散数据加密密钥。根据SM4加密算法原理,使用生成的密钥实现对数据的加密。通过与传统数据加密方法的对比实验,验证了研究的加密方法相比平均降低了约5.98%的数据丢失率,并且加密时间更短,使用性能更优。     

海量舰船网络信息的智能调度算法

舰船网络信息调度是确保通信网络中数据信息传输安全的有效途径之一,对海量的舰船网络信息进行调度是一项较为重要的工作。在具体的调度过程中,要保证背景流量的有效生成,由此可提高调度结果的准确性。由于传统背景流量构造方法不适用于高速网络环境,所以提出一种基于数据流的结构化流量模型,完成背景流量的生成,在此基础上,采用同步点对舰船网络信息调度算法的效率进行优化,该方法以通信网络中的报文顺序作为判定依据,报文的速率不会影响判定结果,能够确保调度的高效性。     

舰船通信网络海量数据的均衡化控制技术

针对传统舰船通信数据均衡化控制技术中的数据跳频问题,提出一种舰船通信网络海量数据的均衡化控制技术。为防止数据跳频提供良好的系统基础,引进直方均衡化算法,保证数据的稳定性,避免出现数据的堆积,而产生反向输送,有效的扼制数据跳频现象。为了验证本文设计的舰船通信网络海量数据的均衡化控制技术的有效性,设计了对比仿真实验,通过实验结果表明,本文设计的舰船通信网络海量数据的均衡化控制技术能够有效的对海量数据进行管理,同时解决了数据跳频问题。     

舰船通信系统重复不完整数据智能修复方法研究

为了有效提高舰船通信系统重复不完整数据的修复效果,提出新型通信系统数据智能修复方法。对未修复数据进行预处理,通过数据文档耦合组件,确定数据量信息和数据备注信息,采用多模匹配算法,提取数据内容中的有效文本,利用UTF_7编码规则,更改乱码文本域名,以OOXML格式为样本,建立船舶通讯数据的xml数据格式,提取数据前序,并进行域名更改后的待修复数据文本内容,嵌入到对应的标准格式模板对应页中,实现数据智能修复。实验数据表明,与传统数据修复方法相比,新设计的智能修复方法对关系数据区修复度提高22%,内容数据区修复度提高了27%,可以达到提高通信系统数据修复度的目的。     

舰船编队通信网络混合数据智能调度方法

为避免舰船编队通信网络在数据传输时出现网络堵塞和冲突,提高数据传输速率,研究舰船编队通信网络混合数据智能调度方法。分析舰船编队通信网络结构,根据舰船通信网络状态,构建混合数据智能调度优化目标函数,基于深度学习网络的优化方法,获取最佳混合数据智能调度方案。经实验验证可知,该方法可有效降低混合数据传输时延与路由开销,提高分组投递率,避免通信网络发生堵塞现象。     

舰船无线网络异常数据智能捕捉及预警方法

由于网络攻击导致舰船无线网络可能出现运行异常,为了实现网络异常状态的准确检测,提出异常数据智能捕捉及预警方法。根据舰船无线网络的结构和工作原理,构建相应的网络模型。在该模型下以估算流量的方式,实现异常数据的智能捕捉。以数据捕捉结果为基础,处理捕捉数据并提取其特征,结合数据异常量和异常特征表现的严重程度,实现舰船无线网络预警。实验结果表明,设计方法的异常数据捕捉完整度高达99.9%,且平均误警率仅为1.9%,因此具有较高的应用价值。     

舰船动力装置智能诊断方法研究

文章围绕动力装置故障监控诊断的三种常用方法——热参数分析、油液分析、振动分析,归纳和总结了舰船动力装置智能诊断的基于专家系统的方法、人工神经网络方法、模糊逻辑方法和知识发现的方法,从专家系统的发展、混合智能诊断、不确定性人工智能3个方面对现代动力装置诊断技术的发展趋势和有待解决的问题进行分析与探讨,提出了装置故障诊断领域未来的研究方向。     

水上通信网络海量多维数据弱关联识别方法

随着网络通信技术的发展,水上通信数据呈现出多元化与复杂化,多维数据交互并行,造成海量数据中部分多维数据出现关联程度差,无法及时被调度交互,致使网络冗余数据量增加,影响网络数据交互识别效率。对此提出水上通信网络海量多维数据弱关联识别方法。首先,通过引入多维聚类算法对网络中的数据进行聚类中心量的计算;然后,根据得到的聚类规则,引入弱关联挖掘算法,对海量数据进行多维度关联计算;接着,通过引入的弱关联定位算法对挖掘出来的数据进行识别定位计算,实现海量数据中弱关联多维数据的精准识别;最后,通过仿真对比实验对提出方法进行验证,证明提出方法具有较强的识别能力,且识别准确性高、稳定性好、可行性强。     

海量点云数据管理方法的研究

提出使用八叉树数据结构,高效实现激光扫描测量海量点云数据管理的方法.详细讨论了点云数据管理过程中的动态更新、索引数据的存储、动态调度与绘制、领域的查询等,这为测量点云数据后处理打下了良好的基础.     

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。     

大数据驱动的舰船电子设备故障智能诊断研究

舰船电子设备故障诊断主要依靠故障分类器对故障特征的识别,因此分类器识别结果的准确性尤为重要。在分类器识别过程中,会存在部分未被滤除的噪声信号对其进行干扰,影响分类器识别结果,降低其诊断结果准确率。为了解决此类问题引入大数据驱动,提出大数据驱动的舰船电子设备故障智能诊断研究。依托大数据信息流,完成对故障特征的提取。采用数据特征免疫算法,对特征数据进行免疫计算,在免疫特征数据基础上完成对噪声数据的滤除计算。最后,对分类器识别特征量进行更新,实现分类器对故障目标的智能诊断。通过与传统诊断方法的10组差异化数据对比表明:提出的诊断方法,具有诊断结果稳定性好、适用性强、准确率高的特点。     

舰船航行数据的稳定传输方法研究

通过记录器收集船舰航行数据,经微波服务器及北斗指挥机向控制机传输,使用离散傅里叶变换扩展正交频分复用技术,构建舰船航行数据加密算法模型.通过逻辑加密算法进一步增强该模型的安全性,实现舰船航行数据的加密.通过北斗导航设备及微波服务器,将加密后舰船航行数据传输至工控机后开展数据解密,完成数据传输.经过实验分析,该方法传输的...     

应用大数据技术的舰船跨境配载量智能统计方法

当前的一些方法由于存在倒箱次数较多与贝位满载率较低的问题,导致舰船跨境配载效果较差,因此提出一种应用大数据技术的舰船跨境配载量智能统计方法。首先应用大数据技术对舰船跨境配载数据进行挖掘,挖掘流程可以分为4个环节:确认任务与目标、实施数据预处理、实施数据挖掘以及结果解析和展示。接着对舰船跨境配载工作流网进行构建,构建的工作流网由3部分构成:变迁、库所以及变迁和库所间的关系。最后通过核心配载算法对舰船跨境配载量实施智能统计。获取某舰船的跨境配载数据,对所设计方法的平均倒箱次数与平均贝位满载率进行测试,测试结果证明该方法的平均倒箱次数较低而平均贝位满载率较高,说明设计方法取得了一定的研究成果。     

基于云平台的海量舰船图像查询研究

针对海量舰船图像查询速度实时性高的要求,设计了基于云平台的海量舰船图像查询算法。首先分析当前舰船图像查询的现状,指出了当前各种舰船图像查询算法存在的缺陷,然后提取舰船图像查询特征,并采用支持向量机建立舰船图像查询模型,最后结合舰船图像的大规模、海量特点,引入云平台并行实现海量舰船图像查询,并与其他舰船图像查询算法进行了仿真对比实验,本文方法可以快速实现海量舰船图像查询,舰船图像查询速度和查询正确率均显著高于对比算法,为海量舰船图像查询提供了一种新的研究工具。     

云计算平台的海量舰船目标图像识别

针对传统海量舰船目标识别方法存在检测用时长、监测精度低等问题,因此,本文以云计算平台为研究基础,对该平台提取的海量异常舰船目标图像特征,进行识别方法的研究。首先,利用C-V水平集模型对舰船目标进行分割,根据轮廓曲线方程求解能量最小值后,使区域内的轮廓曲线逼近于图像目标边界,实现舰船目标的有效识别,最后实验证明,本文研究的智能监测方法用时短、监测精度高,且能够对舰船目标进行准确跟踪,具有很好的实用性。