傳統(tǒng)艦船網(wǎng)絡(luò)數(shù)據(jù)庫(kù)的數(shù)據(jù)特征提取方法無(wú)法適應(yīng)數(shù)據(jù)庫(kù)數(shù)據(jù)量的海量增加,導(dǎo)致數(shù)據(jù)特征提取精準(zhǔn)度降低。為了有效解決此問(wèn)題,提出艦船網(wǎng)絡(luò)數(shù)據(jù)庫(kù)中海量數(shù)據(jù)特征準(zhǔn)確提取方法研究。結(jié)合海量數(shù)據(jù)結(jié)構(gòu)特征,通過(guò)對(duì)數(shù)據(jù)庫(kù)海量數(shù)據(jù)建立大數(shù)據(jù)分布模型,獲得數(shù)據(jù)特征的結(jié)構(gòu)分布參量;根據(jù)參量對(duì)數(shù)據(jù)庫(kù)數(shù)據(jù)進(jìn)行特征迭代計(jì)算,鎖定特征區(qū)域范圍;然后,對(duì)特征區(qū)域內(nèi)的數(shù)據(jù)進(jìn)行特征個(gè)體目標(biāo)的提取計(jì)算;最后,通過(guò)對(duì)比實(shí)驗(yàn)對(duì)提出的提取方法進(jìn)行測(cè)試,根據(jù)測(cè)試結(jié)果做出有效性結(jié)論。

【文章頁(yè)數(shù)】：3 頁(yè)

【部分圖文】：

圖1數(shù)據(jù)庫(kù)海量數(shù)據(jù)的大數(shù)據(jù)分布模型結(jié)構(gòu)Fig.1Structureofbigdatadistributionmodelformassive

圖1數(shù)據(jù)庫(kù)海量數(shù)據(jù)的大數(shù)據(jù)分布模型結(jié)構(gòu)Fig.1Structureofbigdatadistributionmodelformassivedataindatabase在計(jì)算過(guò)程中，為了保證聚類特征因素不受到干擾，聚類中心的特征因子量會(huì)采用模糊聚類因子來(lái)進(jìn)行聚類計(jì)算，通過(guò)數(shù)據(jù)特征的....

圖2特征數(shù)據(jù)提取精準(zhǔn)度對(duì)比線形圖Fig.2Comparisonofaccuracyoffeaturedataextraction

鵬,等.云平臺(tái)下時(shí)間序列數(shù)據(jù)并行化排列熵特征提取方法[J].電力自動(dòng)化設(shè)備,2019,39(4):217–223.[1]李健偉,曲長(zhǎng)文,彭書(shū)娟,等.基于生成對(duì)抗網(wǎng)絡(luò)和線上難例挖掘的SAR圖像艦船目標(biāo)檢測(cè)[J].電子與信息學(xué)報(bào),2019,41(1):148–154.[2]陳偉南,黃....

本文編號(hào)：4024633