典型文献
基于神经网络的船舶通信网络异常数据识别
文献摘要：
提出基于神经网络的船舶通信网络异常数据识别方法,为去除冗余数据,将通信网络数据映射至统一数据区间,并切片为多模态数据模式.由联合关联规则,提取通信网络多模态数据特征,作为基于粒子群优化模糊神经网络的网络异常数据识别模型的输入样本,经粒子群算法调节模糊神经网络连接权重后,将模型网络模型训练为稳定状态,在此状态下通过Softmax分类器,结合数据特征隶属度与模糊规则,分析船舶通信网络数据特征是否异常,输出多类型异常数据识别结果.实验结果表明:该方法可有效去除船舶通信网络异常数据内存在的冗余数据,具备较好的预处理效果;提取船舶通信网络数据特征时的偏差数值极小,特征提取能力好;可有效识别不同类型的船舶通信网络数据内的异常数据,且识别精度较高,应用性较强.
文献关键词：
模糊神经网络;船舶;通信网络;异常数据识别;特征提取;粒子群算法
中图分类号：
作者姓名：
田银磊;刘书伦
作者机构：
济源市网络智能创新集成应用技术研究中心,河南济源459000;济源职业技术学院,河南 济源459000
文献出处：
引用格式：
[1]田银磊;刘书伦-.基于神经网络的船舶通信网络异常数据识别)[J].舰船科学技术,2022(17):148-151
A类：
船舶通信网络
B类：
通信网络异常,异常数据识别,冗余数据,通信网络数据,数据映射,一数,多模态数据,数据模式,关联规则,数据特征,粒子群优化,模糊神经网络,识别模型,粒子群算法,网络连接,模型训练,稳定状态,Softmax,分类器,隶属度,模糊规则,多类型,处理效果,差数,极小,特征提取能力,识别精度
AB值：
0.181098
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
