準確挖掘艦船智能導(dǎo)航系統(tǒng)大數(shù)據(jù)可實現(xiàn)艦船自主路徑規(guī)劃,提高艦船運行智能化與安全性。為此,研究人工智能技術(shù)在艦船智能導(dǎo)航系統(tǒng)大數(shù)據(jù)挖掘中的應(yīng)用。利用人工智能技術(shù)中的圖像分割理論,提取艦船運行大數(shù)據(jù)挖掘目標;計算多個挖掘目標的相似度與散度值,提取導(dǎo)航系統(tǒng)大數(shù)據(jù)特征;通過人工智能技術(shù)設(shè)計一個窗口模型,實現(xiàn)對艦船智能導(dǎo)航系統(tǒng)關(guān)聯(lián)數(shù)據(jù)的挖掘。實驗發(fā)現(xiàn),應(yīng)用人工智能技術(shù)后的大數(shù)據(jù)挖掘任務(wù)中,得到的數(shù)據(jù)關(guān)聯(lián)性明顯增加,數(shù)據(jù)挖掘結(jié)果的置信度較高,具有較高準確性,可為艦船智能航行規(guī)劃提供初步的理論參考。

【文章頁數(shù)】：3 頁

【部分圖文】：

圖1二維灰度直方圖Fig.1Twodimensionalgrayhistogram

1艦船智能導(dǎo)航系統(tǒng)的大數(shù)據(jù)挖掘1.1提取大數(shù)據(jù)挖掘目標為降低挖掘目標噪聲，采用二維最大熵閾值分割方法，提取大數(shù)據(jù)挖掘目標。I(x,y)P(x,y)STI(x,y)假設(shè)表示待分割的艦船智能導(dǎo)航系統(tǒng)定位圖像，表示該圖像的鄰域平滑圖像。定義2個圖像的分割閾值分別為和，則圖像的二維直方圖....

圖2連續(xù)性數(shù)據(jù)挖掘控制效果Fig.2Controleffectofcontinuousdatamining

]孫偉,李二洋,王曉邦,等.面向智能挖掘機的最優(yōu)挖掘軌跡規(guī)劃[J].大連理工大學學報,2018,58(3):246–253.[2]楊達賢.基于人工智能推理引擎在微博數(shù)據(jù)挖掘中的應(yīng)用分析[J].微型電腦應(yīng)用,2018,34(11):128–130.[3]王偉.人工智能和數(shù)據(jù)挖掘在人....

結(jié)果圖3數(shù)據(jù)挖掘結(jié)果示意圖Fig.3Schematicdiagramofdataminingresults表2置信度評價

2應(yīng)用與分析將人工智能技術(shù)應(yīng)用到大數(shù)據(jù)挖掘中，對艦船智能導(dǎo)航系統(tǒng)中的定位信息進行挖掘，對比應(yīng)用人工智能技術(shù)前與應(yīng)用人工智能技術(shù)后，挖掘結(jié)果之間的差異，同時計算2組挖掘結(jié)果的置信度，以此判斷挖掘的準確性。選擇M艦船中的智能導(dǎo)航系統(tǒng)，將其作為實驗測試數(shù)據(jù)基本環(huán)境，分別使用未應(yīng)用人工智....

本文編號：3948933