摘要
本发明公开了一种基于机器学习与传感器数据融合的船舶破损智能识别方法,包括:1、将破损数据输入辅助模型模组并经粒子群优化模组优化后封装辅助模型;2、将传感器数据输入外模型模组,外模型模组输出初步的破损预测模型;3、已经训练且封装好的辅助模型模组生成传感器数据的预测值;4、粒子群优化模组生成传感器预测数据并与真实传感器数据对比,优化破损预测模型性能;5、粒子群优化模组满足终止条件时结束优化过程;6、外模型模组最终训练后输出最终的破损预测模型。本发明还公开了一种基于机器学习与传感器数据融合的船舶破损智能识别装置。本发明操作简便、识别精确、响应迅速,无需工作站支持,可以广泛应用于计算机科学领域。
技术关键词
智能识别方法
模组
粒子
船舶
智能识别装置
损失函数优化
前馈神经网络
特征数据库
生成传感器数据
多层感知机
超参数
交叉验证方法
速度
支持向量机
位置更新
工作站
训练集
系统为您推荐了相关专利信息
显示驱动芯片
显示模组
测试焊盘
虚设焊盘
金属走线
神经网络预测模型
离合器主动盘
离合器控制系统
多模型协同
混合动力车