SDFA:基于多特征融合的船舶轨迹聚类方法研究
随着航运业的快速发展,船舶轨迹挖掘与分析技术变得愈发重要,轨迹聚类在船舶领域有很多实际应用,如异常检测、位置预测、船舶避碰等.传统的轨迹相似度计算方法在精确度和效率上都较为低下,而现有的基于深度学习的方法大多数只提取静态特征,忽视了静态与动态的多特征的综合提取.为了解决这一问题,提出了一种基于卷积自编码器的静态-动态特征融合模型,用于提取更完善的船舶轨迹特征,弥补了多特征融合技术在船舶轨迹聚类应用方面的不足.在真实数据集上的实验结果表明,相比LCSS,DTW等传统方法以及基于深度学习的多特征提取模型,所提模型在精确率、准确率等指标上均至少有5%~10%的提升.
船舶自动识别系统(AIS)、轨迹聚类、多特征融合、卷积自编码器(CAE)
49
TP391(计算技术、计算机技术)
国家自然科学基金;海南省重点研发项目;国家重点研发计划
2022-06-22(万方平台首次上网日期,不代表论文的发表时间)
共5页
256-260