数据挖掘在无人船舶目标图像识别中的应用

为了缩短无人船舶目标图像的识别时间,提高目标图像的质量,提出了数据挖掘在无人船舶目标图像识别中的应用。利用数据挖掘技术确定无人船舶目标图像的阈值,根据目标图像的阈值误差分割了目标图像,采用图像边缘点提取公式将图像边缘点连接成线,提取出目标图像的外轮廓,完成无人船舶目标图像的预处理;通过目标图像识别算法的改进设计,得到了目标图像的识别流程,实现了数据挖掘在无人船舶目标图像的识别中的应用研究。仿真实验结果表明,数据挖掘在无人船舶目标图像识别方法与基于航拍技术的目标图像识别方法相比,目标图像的识别时间缩短了35.1%。     

荧光磁粉探伤自动检测及图像处理系统研究

荧光磁粉检测中操作人员的安全保护、检测效率、检测结果的保存、复验等一直以来都是磁粉检测的技术瓶颈。研究一种自动磁粉探伤图像采集处理系统,能够对缺陷图像进行采集、预处理和缺陷标注,利用该系统可以有效减轻工人的劳动强度,提高检测结果的可靠性,保证缺陷记录和处理的可追溯性。     

基于柔度曲率矩阵的加筋板结构损伤识别方法

为了对船舶工程中典型结构即加筋板结构的损伤部位进行准确的损伤识别分析,文章提出了一种基于柔度曲率矩阵的损伤识别方法并进行了仿真分析。首先对加筋板结构进行单元划分,以结构响应通过矩阵的列最大值来建立节点柔度矩阵,并通过二阶微分对柔度值的变化进行放大进而得到柔度曲率矩阵,最后通过柔度曲率矩阵图或者柔度曲率矩阵的行(列)曲率图来判断损伤位置。算例分析表明,该方法损伤定位准确并且具有较高的灵敏度,避免了使用原未损结构的模态参数,只需损伤结构的一阶或者前几阶模态信息就可以有效地进行损伤识别分析。通过大量模拟,给出了加筋板结构损伤的判别图。     

基于智能图像视觉的船舱内部监控与识别

为了提高对舰船船舱内部监控管理能力,提出一种基于智能图像视觉的船舱内部监控识别方法。采用计算机视觉特征信息采集方法进行船舱内部图像原始信息采集,对采集的图像进行小波降噪处理,采用Harris角点检测方法进行船舱内部关键部位点的准确标定,结合图像子块连续遍历方法实现船舱内部异常像素特征搜索提取,实现船舱内部的智能视觉监控识别。仿真结果表明,采用该方法进行船舱内部监控,输出视觉图像的成像质量较好,对关键信息点的标定结果准确,对船舱内部异常像素的检索能力较强,具有较好的应用价值。     

神经网络在舰船图像特征提取和分类中的应用

海上遥感图像对于舰船目标定位、海上救援、航运交通管理等有重要的作用,基于海上遥感图像的舰船目标特征提取及目标识别是一项热点研究。卷积神经网络是一种改进的人工智能算法,本文详细介绍了卷积神经网络技术的原理,基于卷积神经网络和滤波器实现了舰船遥感图像的特征提取和目标识别。     

基于领域知识的海上编队线型队形识别

编队队形是达成海上编队战术意图的重要手段,因此识别海上目标的编队队形是判断其作战意图的有效方法之一。本文从系统研究海上编队线型队形的领域特征入手,分析了海上编队线型队形的队列要素及计算方法,进而提出了海上编队线型队形的模板表示方法。在上述基础上,建立了识别队形所需要的坐标变换、队列方位等关键参数计算的数学模型,提出了基于队列方位的队列线聚类算法。最后设计了便于计算机编程实现的详细识别算法步骤,从而构建了基于领域特征的编队队形识别算法。     

高噪声背景下舰船指挥舱大词汇量连续语音识别方法

传统的舰船指挥舱大词汇量连续语音识别方法存在着识别错误率高的缺陷,为此提出高噪声背景下舰船指挥舱大词汇量连续语音识别方法研究。对采集的连续语音信号进行预加重和预处理,以预处理后的连续语音信号为基础,采用多通道语音增强方法对连续语音信号进行增强,得到纯净连续语音信号估计,采用CDMFCC方法对纯净连续语音信号特征参数进行提取,通过CDHMM方法实现了高噪声背景下舰船指挥舱大词汇量连续语音的识别。通过实验得到,提出的舰船指挥舱大词汇量连续语音识别方法识别错误率比传统方法低了16%,说明提出的舰船指挥舱大词汇量连续语音识别方法识别性能更好。     

模糊支持向量机在船舶发电机故障诊断中的优化应用

对以往提出方法的优点进行总结,在故障诊断中对模糊支持向量机进行优化应用,提出一种优化诊断方法。基于模糊支持向量机进行发电机故障分类,构建模糊故障分类模型。利用故障仿真模型获取各种发电机故障的对应电流信号,将电流信号中的特征量设为模型的四维输入向量。根据模糊故障分类模型的分类结果和船舶发电机历史运行数据,建立故障诊断融合识别框架。根据建立的故障诊断融合识别框架,将故障诊断过程分为4个步骤进行船舶发电机的实际故障诊断。对模糊支持向量机的优化应用进行实例研究,测试结果证明其优化应用实现了有效的故障诊断,验证了设计方法的有效性。     

模糊聚类在舰船目标识别标准模型库的应用

对于给定特征的海上舰船目标,使用了模糊聚类的方法(包括三种解算方法),获得目标的分类并形成标准模型库.同时引入了聚类分析有效性评价的F统计量,实现了模糊聚类的自适应性,避免了聚类数目选择上存在的主观性.聚类结果表明:对于复杂的战场环境,此方法设计可行有效,建立了标准模型库就可以对获得目标特征样本在标准模型库中进行匹配,进而完成目标识别,具有一定的应用前景.     

基于蜂窝移动网络换手信号的车辆行驶路径识别方法

本文提出一种基于蜂窝移动网络换手信号的车辆行驶路径识别方法,运用车载设备周期性撷取蜂窝移动网络讯号,并记录时间点和当下链接的细胞标识符(Cell ID),再回传至服务器。由服务器分析链接的细胞标识符、细胞顺序、停留时间,依此来建立向量集合。再将此向量集合与历史数据库中的历史向量集合进行比对,取得历史向量集合最相似的k笔资料,由该k笔资料中所对应的路径最多者作为车辆当下所行驶的路径。在实证结果中,本研究方法的正确率为100%,所以此方法将可以准确运用蜂窝移动网络换手信号识别车辆行驶路径。