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。     

使用数据挖掘实现舰船故障数据定位

为了更好地保障船舶航行安全,有效提高船舶的故障定位和检测能力,提出了使用数据挖掘实现舰船故障数据定位方法,通过对舰船故障数据进行实时采集和分类挖掘获取船舶航行过程中的异常数据,实现对船舶故障数据关联规则特征的准确提取。在进行故障定位的过程中,合理并利用电磁探测器和声敏传感器等设备进行故障诊断,并对不同类别船舶故障数据的高维特征融合的研究采用数据挖掘分析算法,利用数据挖掘分类器对船舶故障数据进行分类识别和定位挖掘,从而有效保障船舶故障数据定位的精确度和有效性。最后通过实验结果表明,使用数据挖掘实现舰船故障数据定位方法具有较高的故障定位精度。可以应用于船舶故障实时诊断,有效提高船舶故障诊断的实时性。     

基于关联规则的舰船故障数据定位挖掘算法

为了提高舰船故障检测能力,需要进行舰船故障数据的实时挖掘和分类分析,提出一种基于关联规则的舰船故障数据的定位挖掘方法。采用电磁探测器、水声换能器、声呐装置、声学传感器等设备进行不同工况下舰船数据采集,包括舰船辐射噪声、机械振动等数据,对采集的数据进行高维特征融合处理,提取舰船故障数据的关联规则特征量,对提取的特征量采用K均值算法进行聚类分析,并通过BP神经网络分类器实现舰船故障数据的分类识别,实现舰船故障数据定位挖掘。仿真结果表明,采用该方法进行舰船故障数据挖掘的准确性较好,对故障的定位能力较强,提高了舰船实时故障诊断能力。     

大数据分析下的船舶调度方法研究

在大数据环境下进行船舶调度方法优化,提高船舶的畅通性,提出基于大数据图谱特征分析的船舶调度方法,对船舶调度大数据进行关联特征匹配和数据挖掘,对挖掘的船舶大数据进行自相关性融合,结合滤波算法进行船舶调度大数据的干扰处理,将滤波后的船舶调度大数据进行特征重组,构建大数据的特征分布子空间,采用Lyapunov指数谱分析方法进行船舶调度大数据的类别差异性谱特征重构,根据图谱特征的差异性进行船舶调度,提高船舶数据的分类识别和调度能力。仿真结果表明,采用该方法进行船舶调度,数据的聚类性较好,船舶的自动调度和分类能力较强,从而提高船舶的通航能力。     

大数据分析下的船舶调度方法研究

船舶分布状态数据为一组非线性组合的离散数据,采用大数据分析方法进行船舶调度,提高船舶分配的有效性,提出一种基于关联匹配的船舶分布状态数据聚类及船舶调度方法。对采集的船舶大数据进行模糊C均值聚类处理,根据船舶状态特征属性分布进行大数据环境下的关联规则挖掘,提取反映船舶属性的特征量,以提取的特征量进行关联匹配,实现船舶优化调度。仿真结果表明,采用该方法进行船舶调度能有效反映船舶的类别属性,提高船舶的分类管理和调度能力,从而提高船舶的运输效率。     

云计算环境下船舶实时远程故障数据自动分类方法

传统的船舶实时远程故障数据自动分类方法中,对于密集数据存在运算时间较长的问题。为此,设计云计算环境下船舶实时远程故障数据自动分类方法。将云终端作为故障数据的中转站,实时获取船舶远程故障数据,计算历史故障数据的相似度,筛选出合适的数据块,经过训练生成基础分类器,利用KL散度计算权重系数,确定分类器的有效权值,以此为依据,构成一个集成分类器,实现船舶实时远程故障数据自动分类。测试结果表明:与传统的分类方法相比,设计的云计算环境下船舶实时远程故障数据自动分类方法面对密集数据,所需运算时间较短。     

基于数据挖掘的船舶异常行为检测研究

通过对船舶异常行为检测,提高对船舶的实时监测和模式识别能力,提出一种基于数据挖掘的船舶异常行为检测方法。采用并行分列式数据架构模型构建船舶行为特征分布数据库,提取数据库中的关联规则特征量,采用自相关匹配滤波检测方法进行船舶异常行为特征点的提取,实现船舶异常工况下的行为特征数据挖掘,实现船舶异常行为检测优化。仿真结果表明,采用该方法进行船舶异常行为检测的准确概率较高,数据挖掘的分类性较好,虚警较低,在船舶异常监测和状态分析中具有很好的应用价值。     

大型船舶综合信息数据库的目标数据检索方法

为了提高大型船舶综合信息数据的挖掘和检索能力,实现大型船舶综合信息数据库优化访问,提出一种基于关联特征映射调度的大型船舶综合信息数据库的目标数据检索方法。在数据库中提取目标数据的频繁项规则性特征量,对提取的大型船舶综合信息特征量采用模糊K均值聚类方法进行分类管理,采用特征分解方法对数据库中的存储数据节点进行决策树分叉设计,实现目标数据的关联特征映射调度,提高数据的检索能力。仿真结果表明,采用该方法进行大型船舶综合信息数据库中目标数据检索的查准性较好,检索精度较好,数据的召回性较高。     

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。     

基于虚拟云计算的船舶导航系统故障检测研究

采用虚拟云计算网络处理船舶的导航数据,能够有效节省船舶的运行成本,极大提高船舶的数据处理能力,有利于运行故障的及时发现。因此本文重点研究虚拟云计算平台在船舶导航系统故障检测中的应用,从船舶的实际情况出发,设计易于实现的船舶导航系统云计算架构,对该系统中的各个子模块的功能进行研究。同时根据导航系统的特点,设计故障检测系统,采用先进的主元分析法,能够自动分辨船舶的运行状态,并根据有关的控制参数判断出故障的类型,在多重故障同时出现时,采用滤波分辨技术,极大提高了故障的识别率。