基于大数据优化神经网络的船舶通信网络干扰信息识别

构建船舶通信网络干扰信息特征识别矩阵,选取干扰信息瞬时特征指标,提取特征信息。采用单极Sigmoid函数神经网络构建船舶通信网络干扰信息识别模型,将所提取瞬时特征作为模型输入,采用权值直接确定法确定隐层与输出层间的权值,输出大数据资源调度下船舶通信网络干扰信息识别结果。研究结果显示该方法有较好的识别效果,能够提升通信信息的安全性与传输效率。

大数据资源调度下船舶通信网络干扰信息识别研究

为了有效识别出船舶通信网络中的干扰信息,针对大数据资源调度下船舶通信网络干扰信息识别方法展开研究。采用数据挖掘方法获取船舶通信网络信息中的干扰信号,依据大数据资源调度获取干扰信息的时频、时域特征,基于奇异值分解算法降低特征维度并完成特征融合,依据改进的Softmax回归模型识别船舶通信网络干扰信息类别。测试结果显示:该方法具备良好的船舶通信网络干扰信息特征提取效果,能够有效识别出通信网络中的5类干扰信息,为船舶的管理和航行监控提供可靠保障。