現(xiàn)有的船舶數(shù)據(jù)融合技術存在較大的網絡時延,因此研究一種云計算船舶大規(guī)模數(shù)據(jù)融合技術。建立數(shù)據(jù)融合結構模型,根據(jù)數(shù)據(jù)融合的程度劃分3個層次,分析每個層次對應的傳感器節(jié)點之間的關聯(lián)性,采用動態(tài)組簇法平衡簇首能量,保證數(shù)據(jù)的傳輸效率,設計云計算融合算法,給各個監(jiān)測值賦予合適的權值,完成云計算船舶大規(guī)模數(shù)據(jù)融合技術研究。對比實驗結果表明,本文設計技術的網絡時延比現(xiàn)有技術平均減少2.66 s。 

【文章來源】：艦船科學技術. 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)的權值是一個重要問題。假設有若干個傳感器節(jié)點對船舶進行監(jiān)測，其中第個傳感器的測量方程為：Xi=x+vi。(3)xXivi式中：表示船舶的實際信息數(shù)據(jù)；表示船舶的測量值；為量測噪聲。各個節(jié)點之間的量測噪聲互不相關。其加權融合算法如圖4所示。X1,X2,...,Xnω1,ω2,...,ωn圖4中，對應了各個傳感器節(jié)點，相對應的各傳感器節(jié)點的權值為，經過本文圖1數(shù)據(jù)融合過程示意圖Fig.1Schematicdiagramofdatafusionprocess圖2數(shù)據(jù)融合的結構模型Fig.2Structuremodelofdatafusion圖3聲吶定位動態(tài)組簇過程Fig.3Sonarpositioningdynamicclusteringprocess圖4加權云計算融合算法Fig.4Weightedcloudfusionalgorithm·152·艦船科學技術第42卷

偕櫨腥舾篩齟?釁鶻詰愣源?敖?屑嗖猓??中第個傳感器的測量方程為：Xi=x+vi。(3)xXivi式中：表示船舶的實際信息數(shù)據(jù)；表示船舶的測量值；為量測噪聲。各個節(jié)點之間的量測噪聲互不相關。其加權融合算法如圖4所示。X1,X2,...,Xnω1,ω2,...,ωn圖4中，對應了各個傳感器節(jié)點，相對應的各傳感器節(jié)點的權值為，經過本文圖1數(shù)據(jù)融合過程示意圖Fig.1Schematicdiagramofdatafusionprocess圖2數(shù)據(jù)融合的結構模型Fig.2Structuremodelofdatafusion圖3聲吶定位動態(tài)組簇過程Fig.3Sonarpositioningdynamicclusteringprocess圖4加權云計算融合算法Fig.4Weightedcloudfusionalgorithm·152·艦船科學技術第42卷

【參考文獻】：
期刊論文
[1]技術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)的實證研究[J]. 馮科,曾德明.  管理評論. 2019(08)
[2]基于時空相似性的大規(guī)模軌跡數(shù)據(jù)融合技術[J]. 熊文,周錢梅,楊昆,代浩,孫黎.  集成技術. 2019(05)
[3]大數(shù)據(jù)、人工智能與容器云計算走向深度融合的數(shù)據(jù)云時代[J]. 孫元浩.  信息技術與標準化. 2019(05)



本文編號：3042470