基于极限学习机的舰船焊缝缺陷识别检测研究

焊接技术是影响舰船制造水平的重要因素,在舰船焊接中受多种因素影响会出现焊缝缺陷,尤其在压力管道、外板等焊接部位易出现焊缝,对舰船航行安全构成极大威胁,易引发航行事故。为有效消除焊缝缺陷,必须采用识别监测技术准确识别缺陷和定位缺陷,并对焊缝缺陷进行处理,以提高舰船焊接质量,稳定舰船结构。本文介绍极限学习机算法、优势与改进,提出基于极限学习机的舰船焊缝缺陷识别检测技术方法,能够准确检测出舰船焊缝缺陷。     

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。     

基于极限学习机算法的光学遥感图像舰船目标监测

在遥感成像技术快速发展的背景下,获取遥感图像的方式有所改变,已经不再局限在合成孔径雷达方面,而是开始采用光学相机。通过光学相机所形成的遥感图像具有较高的分辨率,且能够在图像中对感兴趣目标进行检测。其中,光学遥感图像是军事活动应用遥感技术的重点且备受关注。将极限学习机算法应用在光学遥感图像舰船目标检测中,可以进一步提高检测质量与效果。该算法属于全新的单隐含层前馈神经网络学习算法,结构相对简单且能够快速学习,全局寻优能力较强,计算复杂程度降低,能够获得最小平方优化解,性能稳定且泛化。总体来讲,基于极限学习机算法的光学遥感图像舰船目标检测研究十分有必要。     

舰船电子通信网络入侵检测系统

针对传统入侵检测系统的准确率无法满足检测性能要求,提出了舰船电子通信网络入侵检测系统设计。通过设计舰船电子通信网络入侵数据解析模块和检测模块,完成了系统的硬件设计,在选择舰船电子通信网络入侵特征参数的基础上,利用深度解析协议设计了舰船电子通信网络入侵检测算法,完成了软件设计,实现了舰船电子通信网络的入侵检测。测试结果表明,文中入侵检测系统无论在假冒入侵攻击下还是编造入侵攻击下,都具有更高的检测准确率。     

舰船监控网络入侵的实时检测研究

传统舰船监控网络入侵检测方法实时性差,无法及时发现舰船监控网络中的入侵行为。为了满足舰船监控网络入侵检测的实时性,加快舰船监控网络入侵检测速度,提出一种舰船监控网络入侵的实时检测方法。首先提取舰船监控网络入侵行为特征,然后引入特征降维算法对舰船监控网络入侵行为进行处理,使得舰船监控网络入侵行为特征数量变少,最后引入支持向量机对舰船监控网络入侵行为进行分类和检测,并通过实例分析本文方法的有效性。结果表明,本文方法能够有效防止出现"维数灾"现象,具有较好的舰船监控网络入侵检测实时性,提高入侵检测的准确性,能够有效保证舰船监控网络安全。     

舰船网络入侵风险等级估计算法研究

针对当前舰船网络入侵风险等级估计算法存在的缺陷,以提高舰船网络入侵风险等级评估正确率为目标,设计了一种改进极限学习机的舰船网络入侵风险等级估计算法。首先根据专家和相关研究设计舰船网络入侵风险等级估计的指标,并根据指标采集相应的舰船网络入侵风险等级估计数据,然后采用极限学习机对舰船网络入侵风险等级进行建模,并采用粒子群算法优化舰船网络入侵风险等级估计模型的参数,最后进行舰船网络入侵风险等级估计验证性实验。实验结果表明,改进极限学习机获得了十分理想的舰船网络入侵风险等级估计结果,而且估计性能要远优于当前其它舰船网络入侵风险等级估计算法,具有更高的实际应用价值。     

大型舰船通信网络入侵检测方法研究

针对传统的入侵检测方法一直存在入侵检测误差大、收敛性差的问题,提出基于惩罚函数和多元回归分析数学模型的大型舰船通信网络入侵检测方法,通过确定入侵节点区域面积计算舰船通信网络入侵节点聚集度,引入一个惩罚函数,再采用决策树分类法对舰船通信网络入侵节点进行分类。采用均方差作为标准测度函数,获取均方差之和,并通过构建多元回归分析数学模型,实现对大型舰船通信网络入侵的检测。实验结果对比可知,采用改进检测方法时,其检测误差及算法的收敛性,一直优于传统检测方法,具有一定的实用性。     

舰船用通信网络的入侵检测技术研究

舰船用通信网络容易受到敌方电磁场的入侵干扰,导致通信受阻,通过入侵检测,提高舰船用通信网络的抗毁性。提出一种基于自适应线谱增强和滤波技术的舰船用通信网络的入侵检测技术。采用多源波束形成方法进行舰船用通信网络传输信号采集,对采集的通信信号进行自适应线谱增强处理,提高网络通信信号的增益强度,对增强的网络通信信号进行抗干扰滤波设计,采用梯度算法对滤波输出的舰船用通信网络传输信号进行自适应迭代,准确检测出信号中的入侵成分。仿真结果表明,采用该检测技术进行舰船用通信网络的入侵检测的准确检测概率较高,抗电磁干扰能力较强。     

舰船通信网络异常入侵检测的数学模型拟合

舰船通信网络易受到非法入侵者的攻击,导致舰船机密信息泄露、通信阻断等现象,严重威胁舰船航行和执行任务的安全性。入侵检测系统能够有效检测出非法入侵信号,及时对入侵信号进行处置,将其阻隔到舰船通信网络之外,保护通信网络安全通信。本文分析舰船通信网络异常入侵检测的现状与发展趋势,提出了基于聚类分析算法的异常入侵检测数据模型,并采用仿真实验证实数学模型能够准确检测出入侵行为,保障舰船通信网络安全运行。     

舰船网络入侵行为的检测与识别研究

入侵行为检测是保证舰船网络安全的核心技术,当前入侵行为检测与识别存在检测误差大,识别准确性差等严重不足,为此设计基于核主成分分析和聚类分析算法的舰船网络入侵行为的检测与识别方法。首先对舰船网络入侵行为的检测的原理进行分析,并收集大量的舰船网络入侵行为检测特征。然后采用核主成分分析对舰船网络入侵行为检测特征进行选择,并通过聚类分析算法建立训练样本。最后建立舰船网络入侵行为检测与识别模型。利用标准舰船网络入侵数据集的仿真测试结果表明,本文方法不仅可以大幅度减少舰船网络入侵行为特征数量,降低舰船网络入侵行为检测的复杂度,舰船网络入侵行为检测的实时性增强,而且能够获得更高正确率的舰船网络入侵行为检测结果。     

舰船网络入侵目标检测效率优化方法分析

传统舰船网络入侵目标检测方法存在检测效率偏低的问题,因此提出舰船网络入侵目标检测效率优化方法分析。通过对网络入侵目标的函数定位计算,锁定入侵目标信号波;对锁定的信号波进行熵值得特征计算,得到入侵信号的特征熵值信息。根据得到的熵值信息对粒子检测算法进行优化计算,提升入侵目标检测效率。通过设计仿真实验场景,对提出设计方法进行对比测试,证明提出的舰船网络入侵目标检测效率优化方法,具有提升舰船网络入侵目标检测效率的作用。     

基于特征优化和机器学习算法的舰船网络非法入侵行为识别

舰船网络非法入侵行为识别受到识别算法的影响,使得误检率较高。因此,提出特征优化和机器学习算法的舰船网络非法入侵行为识别方法设计。采用自适应遗传算法,完成舰船网络数据特征优化处理,有效提升了识别效率。以SVM算法为核心设计行为分类算法,完成舰船网络数据的分类。最后,通过构建网络非法入侵行为识别模型,实现非法入侵行为的准确识别。实验结果表明:从单一类型非法入侵行为识别结果分析,本文方法的平均误检率相比传统方法降低了4.8%,8.69%;从多种类型非法入侵行为识别结果分析,本文方法将平均误检率分别降低了10.02%、10.74%。     

基于层次分析法的舰船通信系统入侵检测

舰船的通信设备一般可以当作一种复杂的网络系统,所有网络都可能造成非法入侵,这样会对通信系统的运行可靠性造成影响,并且还会威胁到数据信息的安全性。所以对入侵行为进行有效检测显得尤为必要。在对舰船通信系统入侵检测的可靠性进行评价时,可以运用层次分析法。本文首先对入侵检测分类与方法进行简要介绍,然后结合仿真结果对舰船通信系统进行系统的分析与优化。研究结果表明,层次分析法在舰船通信系统入侵检测性能评价中具有良好的应用效果,只要保证所选的算法合理,便可得到准确的结果。     

基于SAR图像的舰船检测算法

在基于海面杂波统计模型的基础上,在利用SAR图像系统技术的前提下,根据对舰船检测目标因素的客观分析,通过对各种舰船检测算法检测差异性的比较研究,进行相应算法分析,为优化算法在能够有效提高检测速度和检测精度的情形下,进一步增强舰船目标的综合检测性能。     

舰船通信网络入侵风险等级分类系统设计

针对原有入侵风险等级分类系统对入侵信息等级划分具有误差性的问题,设计舰船通信网络入侵风险等级分类系统。此次系统设计的硬件部分沿用原有系统的硬件部分,仅增加网络信号处理设备,提升通信网络对入侵信息的处理能力。采用上述硬件结合网络数据分类结果与K均值算法,获取网络中的异常信号信息。应用风险严重等级的置信度函数计算信息的风险等级,按照风险等级分类结果完成对信息的分类工作。至此,舰船通信网络入侵风险等级分类系统设计完成。构建系统性能测试环节,与原有系统相比,此系统的信息风险等级结果与样本设定一致。综上所述,此系统的风险等级分类效果较好,与原有系统相比更具优越性。