基于数据挖掘的船用通信网络异常行为分类和识别研究方法

为保证船用通信网络的安全,设计基于深度数据挖掘的船用通信网络异常行为分类和识别方法。该方法数据处理模块采用全局信息数据融合策略,融合网络的原始采集数据,特征选择模块通过平均不纯度减少特征重要度计算方法,选择有效特征并计算该特征重要度后,形成特征集,将其输入分类识别模块的内外卷积网络深度学习网络模型中,通过模型的学习和训练,获取船用通信网络异常行为分类识别结果。测试结果显示:该方法可有效删除其中的无效特征,保留有效特征结果;可获取不同类别有效特征标签的重要度评分结果;分类识别的平均绝对误差均低于0.18,可完成不同流量变化下异常行为分类识别。

基于大数据分析的船用通信网络优化调度算法

为了提高船用通信网络优化调度效果,设计了基于大数据分析的船用通信网络优化调度算法。首先分析了船用通信网络优化调度原理,指出了影响船用通信网络优化调度结果的因素,然后收集船用通信网络优化调度的数据,采用大数据分析方法中的相关向量机和时间分析算法对船用通信网络优化调度问题进行建模,最后进行了船用通信网络优化调度算法性能的测试实验。结果表明,大数据分析算法解决了当前船用通信网络优化调度中存在的一些难题,提高了船用通信网络优化调度精度,船用通信网络优化调度时间得以减少,提升了船用通信网络优化调度效率,具有一定的实际应用价值。