摘要：入侵行为严重威胁船舶网络安全,对其入侵检测进行研究具有重要的意义,针对当前船舶网络入侵检测存在精度低、错误率高等不足,设计了一种支持向量机算法的船舶网络入侵检测模型。首先分析船舶网络入侵原理,并且提取船舶网络入侵检测特征,然后采用支持向量机算法根据入侵检测特征建立船舶网络入侵检测分类器,并引入和声搜索算法对船舶网络入侵检测分类器的参数进行优化,最后以某一个船舶网络入侵检测数据为例进行了验证性测试。支持向量机算法克服了当前船舶网络入侵检测模型的局限性,入侵检测精度超过90%,减少了入侵检测错误,检测效果要优于当前其他船舶网络入侵检测模型,是一种有效的船舶网络入侵检测模型。

摘要：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。

摘要：轨迹规划可以提高船舶航行的效率,并且保证船舶航行的安全。当前船舶轨迹规划方法存在生成轨迹效率低、船舶轨迹规划并非全局最优的缺陷,为了提高船舶轨迹规划的精度,设计基于人工智能技术的船舶轨迹规划方法。首先对当前船舶轨迹规划研究现状进行分析,指出各种船舶轨迹规划方法的不足,然后建立船舶轨迹规划的性能评价指标,引入计算机人工智能技术中的蚁群优化算法进行求解,根据求解结果得到最优船舶轨迹规划路径,最后进行船舶轨迹规划的验证性测试。结果表明,蚁群优化算法可以快速、准确找到最优船舶轨迹规划路径,克服了当前方法易找到局部最优的船舶轨迹规划路径难题,具有一定的实际推广价值。

摘要：针对传统方法在激光全息成像图像重构过程中存在一些弊端,设计了基于深度学习理论的激光全息成像图像重构方法。首先采集待重构的激光全息成像图像,从中提取激光全息成像图像重构特征,然后将特征作为输入,理想激光全息成像图像作为输出,通过支持向量机的学习拟合两者的之间的关联,实现激光全息成像图像重构,最后采用多幅激光全息成像图像测试本文方法的重构效果,结果表明,深度学习理论的激光全息成像图像重构精度高于95%,像重构时间大约为20 ms,激光全息成像图像重构的效率明显提升,为激光全息成像图像后续处理打下了良发的基础。

摘要：为了提高微信热点预测的准确性,更好描述微信热点的变化趋势,针对当前微信热点预测模型存在的一些局限性,设计了改进极限学习机的微信热点预测模型.首先采集微信热点的历史数据,构建微信热点的时间序列学习样本,然后采用极限学习机对微信热点样本进行训练,并对标准极限学习机进行改进,提升其学习能力,建立了微信热点的预测模型,最后采用具体微信热点数据进行验证性测试.测试结果表明,改进极限学习机可以获得高精度的微信热点预测结果,而且微信热点的建模效率要高于其他微信热点预测模型,具有良好的实际应用价值.

摘要：机器人定位具有较高的实际应用价值,成为当前关注的热点,为了解决当前机器人定位算法存在的定位效率低、定位误差大等难题,以提高机器人定位精度为目标,设计了一种基于激光跟踪测量的机器人定位算法。首先对机器人定位原理进行分析,找到影响机器人定位精度的因素,然后采用激光传感器对机器人移动状态进行采集,并采用主成分分析法对原始机器人信息进行处理,降低机器人信息的冗余度,最后采用粒子滤波算法对机器人进行定位,并进行了机器人定位仿真实验。结果表明,本文算法可以快速、高精度实现机器人定位,无论是定位精度或者定位实时性,均要明显优化对比机器人定位算法,具有更高的实际应用价值。

摘要：调制识别是光通信系统中的一项重要技术,当前调制识别没有考虑光通系统的时变性,得到的调制识别错误率高,为了提高光通信系统的调制识别效果,设计了一种时变光通信环境下的调制识别技术。首先考虑通信系统受噪声影响导致的时变性,引入小波变换对光通信系统信号进行预处理,然后提取光通信系统的调制识别特征数,并采用数据挖掘技术建立调制识别的分类器,实现光通信系统调制的识别,最后对光通信系统的几种典型调制方式进行仿真模拟实验,本文技术对几种典型的调制方式进行准确识别,可以实现调制识别的实时在线分析,并且调制方式识别准确率高于当前其它光通信系统调制方式识别技术,实际应用价值更高。

摘要：为了获得理想的非线性谐波负荷预测结果,设计基于大数据分析技术的非线性谐波负荷预测方法。首先分析当前非线性谐波负荷预测的研究进展,找到引起当前非线性谐波负荷预测效果差的原因;然后采集非线性谐波负荷历史数据,引入大数据分析技术对非线性谐波负荷历史数据进行建模和学习,并对非线性谐波负荷预测模型的参数进行优化,从而建立最优的非线性谐波负荷预测模型;最后在Matlab 2017平台上对非线性谐波负荷预测模型的性能进行了验证性测试,结果表明,该文方法的非线性谐波负荷预测精度超过95%,非线性谐波负荷预测的偏差明显小于当前其他非线性谐波负荷预测方法,同时加快了非线性谐波负荷预测的建模效率,获得更优的非线性谐波负荷预测结果。

摘要：由于传统模型的评价指标不完整,使得绿色建筑设计方案评价结果不科学、误差大,为了提高绿色建筑设计方案评价精度,提出了多指标体系和改进神经网络的绿色建筑设计方案评价模型。首先分析了当前绿色建筑设计方案评价的研究进展,建立了全面、客观的绿色建筑设计方案评价指标体系,并通过灰色关联分析算法筛选绿色建筑设计评价指标;然后采集绿色建筑设计方案评价指标原始数据,组成绿色建筑设计方案评价的训练样本,引入神经网络刻画绿色建筑设计方案等级与评价指标之间的变化规律,建立绿色建筑设计方案评价模型,并引入蚁群算法解决神经网络的参数确定问题;最后采用绿色建筑设计数据集对模型的性能进行测试,所提模型的绿色建筑设计方案评价精度高达92%以上,而经典模型的绿色建筑设计方案评价精度低于88%,且所提模型大幅度减少了绿色建筑设计方案评价时间,获得了比经典模型更优的绿色建筑设计方案评价效率,可以为绿色建筑设计方案评价人员提供有价值的参考意见。

摘要：防触电预警模型的研究具有重要意义,当前防触电预警模型存在预警正确率低、虚警率高等缺陷,为了获得理想的防触电预警结果,设计了基于无线传感器的防触电预警模型。首先采用无线传感器对的防触电预警信号进行采集,并进行一定的预处理,去除信号无用的噪声,然后提取防触电预警信号中的特征,并将特征输入到机器学习算法中进行学习,建立防触电预警模型,最后在Matlab平台对防触电预警模型的性能进行了验证性测试。测试结果表明,相对于其它防触电预警模型,本文模型获得更高的防触电预警正确率,虚警率急剧减少,同时加快了防触电预警速度,防触电预警整体效果更佳。