基于云計(jì)算的船舶大規(guī)模數(shù)據(jù)融合技術(shù)
發(fā)布時(shí)間：2021-02-20 07:53
現(xiàn)有的船舶數(shù)據(jù)融合技術(shù)存在較大的網(wǎng)絡(luò)時(shí)延,因此研究一種云計(jì)算船舶大規(guī)模數(shù)據(jù)融合技術(shù)。建立數(shù)據(jù)融合結(jié)構(gòu)模型,根據(jù)數(shù)據(jù)融合的程度劃分3個(gè)層次,分析每個(gè)層次對(duì)應(yīng)的傳感器節(jié)點(diǎn)之間的關(guān)聯(lián)性,采用動(dòng)態(tài)組簇法平衡簇首能量,保證數(shù)據(jù)的傳輸效率,設(shè)計(jì)云計(jì)算融合算法,給各個(gè)監(jiān)測值賦予合適的權(quán)值,完成云計(jì)算船舶大規(guī)模數(shù)據(jù)融合技術(shù)研究。對(duì)比實(shí)驗(yàn)結(jié)果表明,本文設(shè)計(jì)技術(shù)的網(wǎng)絡(luò)時(shí)延比現(xiàn)有技術(shù)平均減少2.66 s。
【文章來源】：艦船科學(xué)技術(shù). 2020,42(10)北大核心
【文章頁數(shù)】：3 頁
【部分圖文】：
數(shù)據(jù)融合過程示意圖Fig.1Schematicdiagramofdatafusionprocess
白?態(tài)和環(huán)境參數(shù)，如何確定這些數(shù)據(jù)的權(quán)值是一個(gè)重要問題。假設(shè)有若干個(gè)傳感器節(jié)點(diǎn)對(duì)船舶進(jìn)行監(jiān)測，其中第個(gè)傳感器的測量方程為：Xi=x+vi。(3)xXivi式中：表示船舶的實(shí)際信息數(shù)據(jù)；表示船舶的測量值；為量測噪聲。各個(gè)節(jié)點(diǎn)之間的量測噪聲互不相關(guān)。其加權(quán)融合算法如圖4所示。X1,X2,...,Xnω1,ω2,...,ωn圖4中，對(duì)應(yīng)了各個(gè)傳感器節(jié)點(diǎn)，相對(duì)應(yīng)的各傳感器節(jié)點(diǎn)的權(quán)值為，經(jīng)過本文圖1數(shù)據(jù)融合過程示意圖Fig.1Schematicdiagramofdatafusionprocess圖2數(shù)據(jù)融合的結(jié)構(gòu)模型Fig.2Structuremodelofdatafusion圖3聲吶定位動(dòng)態(tài)組簇過程Fig.3Sonarpositioningdynamicclusteringprocess圖4加權(quán)云計(jì)算融合算法Fig.4Weightedcloudfusionalgorithm·152·艦船科學(xué)技術(shù)第42卷
偕櫨腥舾篩齟?釁鶻詰愣源?敖?屑嗖猓??中第個(gè)傳感器的測量方程為：Xi=x+vi。(3)xXivi式中：表示船舶的實(shí)際信息數(shù)據(jù)；表示船舶的測量值；為量測噪聲。各個(gè)節(jié)點(diǎn)之間的量測噪聲互不相關(guān)。其加權(quán)融合算法如圖4所示。X1,X2,...,Xnω1,ω2,...,ωn圖4中，對(duì)應(yīng)了各個(gè)傳感器節(jié)點(diǎn)，相對(duì)應(yīng)的各傳感器節(jié)點(diǎn)的權(quán)值為，經(jīng)過本文圖1數(shù)據(jù)融合過程示意圖Fig.1Schematicdiagramofdatafusionprocess圖2數(shù)據(jù)融合的結(jié)構(gòu)模型Fig.2Structuremodelofdatafusion圖3聲吶定位動(dòng)態(tài)組簇過程Fig.3Sonarpositioningdynamicclusteringprocess圖4加權(quán)云計(jì)算融合算法Fig.4Weightedcloudfusionalgorithm·152·艦船科學(xué)技術(shù)第42卷
【參考文獻(xiàn)】：
期刊論文
[1]技術(shù)融合距離的聚類特征與影響因素——基于大規(guī)模專利數(shù)據(jù)的實(shí)證研究[J]. 馮科,曾德明. 管理評(píng)論. 2019(08)
[2]基于時(shí)空相似性的大規(guī)模軌跡數(shù)據(jù)融合技術(shù)[J]. 熊文,周錢梅,楊昆,代浩,孫黎. 集成技術(shù). 2019(05)
[3]大數(shù)據(jù)、人工智能與容器云計(jì)算走向深度融合的數(shù)據(jù)云時(shí)代[J]. 孫元浩. 信息技術(shù)與標(biāo)準(zhǔn)化. 2019(05)
本文編號(hào)：3042470
【文章來源】：艦船科學(xué)技術(shù). 2020,42(10)北大核心
【文章頁數(shù)】：3 頁
【部分圖文】：
數(shù)據(jù)融合過程示意圖Fig.1Schematicdiagramofdatafusionprocess
白?態(tài)和環(huán)境參數(shù)，如何確定這些數(shù)據(jù)的權(quán)值是一個(gè)重要問題。假設(shè)有若干個(gè)傳感器節(jié)點(diǎn)對(duì)船舶進(jìn)行監(jiān)測，其中第個(gè)傳感器的測量方程為：Xi=x+vi。(3)xXivi式中：表示船舶的實(shí)際信息數(shù)據(jù)；表示船舶的測量值；為量測噪聲。各個(gè)節(jié)點(diǎn)之間的量測噪聲互不相關(guān)。其加權(quán)融合算法如圖4所示。X1,X2,...,Xnω1,ω2,...,ωn圖4中，對(duì)應(yīng)了各個(gè)傳感器節(jié)點(diǎn)，相對(duì)應(yīng)的各傳感器節(jié)點(diǎn)的權(quán)值為，經(jīng)過本文圖1數(shù)據(jù)融合過程示意圖Fig.1Schematicdiagramofdatafusionprocess圖2數(shù)據(jù)融合的結(jié)構(gòu)模型Fig.2Structuremodelofdatafusion圖3聲吶定位動(dòng)態(tài)組簇過程Fig.3Sonarpositioningdynamicclusteringprocess圖4加權(quán)云計(jì)算融合算法Fig.4Weightedcloudfusionalgorithm·152·艦船科學(xué)技術(shù)第42卷
偕櫨腥舾篩齟?釁鶻詰愣源?敖?屑嗖猓??中第個(gè)傳感器的測量方程為：Xi=x+vi。(3)xXivi式中：表示船舶的實(shí)際信息數(shù)據(jù)；表示船舶的測量值；為量測噪聲。各個(gè)節(jié)點(diǎn)之間的量測噪聲互不相關(guān)。其加權(quán)融合算法如圖4所示。X1,X2,...,Xnω1,ω2,...,ωn圖4中，對(duì)應(yīng)了各個(gè)傳感器節(jié)點(diǎn)，相對(duì)應(yīng)的各傳感器節(jié)點(diǎn)的權(quán)值為，經(jīng)過本文圖1數(shù)據(jù)融合過程示意圖Fig.1Schematicdiagramofdatafusionprocess圖2數(shù)據(jù)融合的結(jié)構(gòu)模型Fig.2Structuremodelofdatafusion圖3聲吶定位動(dòng)態(tài)組簇過程Fig.3Sonarpositioningdynamicclusteringprocess圖4加權(quán)云計(jì)算融合算法Fig.4Weightedcloudfusionalgorithm·152·艦船科學(xué)技術(shù)第42卷
【參考文獻(xiàn)】：
期刊論文
[1]技術(shù)融合距離的聚類特征與影響因素——基于大規(guī)模專利數(shù)據(jù)的實(shí)證研究[J]. 馮科,曾德明. 管理評(píng)論. 2019(08)
[2]基于時(shí)空相似性的大規(guī)模軌跡數(shù)據(jù)融合技術(shù)[J]. 熊文,周錢梅,楊昆,代浩,孫黎. 集成技術(shù). 2019(05)
[3]大數(shù)據(jù)、人工智能與容器云計(jì)算走向深度融合的數(shù)據(jù)云時(shí)代[J]. 孫元浩. 信息技術(shù)與標(biāo)準(zhǔn)化. 2019(05)
本文編號(hào)：3042470
本文鏈接：http://sikaile.net/kejilunwen/chuanbolw/3042470.html
最近更新
教材專著
