基于神经网络的船舶通信网络异常数据识别

摘要

提出基于神经网络的船舶通信网络异常数据识别方法,为去除冗余数据,将通信网络数据映射至统一数据区间,并切片为多模态数据模式。由联合关联规则,提取通信网络多模态数据特征,作为基于粒子群优化模糊神经网络的网络异常数据识别模型的输入样本,经粒子群算法调节模糊神经网络连接权重后,将模型网络模型训练为稳定状态,在此状态下通过Softmax分类器,结合数据特征隶属度与模糊规则,分析船舶通信网络数据特征是否异常,输出多类型异常数据识别结果。实验结果表明:该方法可有效去除船舶通信网络异常数据内存在的冗余数据,具备较好的预处理效果;提取船舶通信网络数据特征时的偏差数值极小,特征提取能力好;可有效识别不同类型的船舶通信网络数据内的异常数据,且识别精度较高,应用性较强。