隨著海上交通流動(dòng)性的增加,各種隱匿性海上安全問(wèn)題日益增多,海事態(tài)勢(shì)感知成為一個(gè)主要議題。如今,雷達(dá)、高清攝像機(jī)以及船舶自動(dòng)識(shí)別系統(tǒng)（AIS）等多種傳感器被廣泛用于監(jiān)控海洋環(huán)境。然而,這種廣泛使用的效用卻是有局限性的,主要緣于其用途只是原始探測(cè)數(shù)據(jù)的圖形化展示。如何基于傳感器原始數(shù)據(jù)分析海上目標(biāo)行為,理解異常事件,預(yù)警潛在海事風(fēng)險(xiǎn),是海事態(tài)勢(shì)感知系統(tǒng)功能開(kāi)發(fā)的關(guān)鍵。目前雖然已經(jīng)有了對(duì)于海上目標(biāo)異常行為自動(dòng)檢測(cè)的研究,但大多基于數(shù)據(jù)驅(qū)動(dòng)方法,通過(guò)研究AIS軌跡,學(xué)習(xí)目標(biāo)正常運(yùn)動(dòng)模型來(lái)識(shí)別異常軌跡。此類(lèi)方法僅基于一種探測(cè)手段,當(dāng)出現(xiàn)AIS欺騙或靜默情況時(shí)無(wú)法應(yīng)用;僅研究目標(biāo)軌跡,很難對(duì)目標(biāo)行為進(jìn)行全局解釋;目標(biāo)常態(tài)模型學(xué)習(xí)和異常行為檢測(cè)都是離線執(zhí)行的,嚴(yán)重限制了在實(shí)時(shí)監(jiān)控應(yīng)用中的使用;在檢測(cè)過(guò)程中缺乏用戶參與以及使用復(fù)雜的檢測(cè)技術(shù),這些技術(shù)通常很難被操作員理解,并且分類(lèi)結(jié)果難以在管理層面上進(jìn)行解釋。針對(duì)上述問(wèn)題,本文以語(yǔ)義規(guī)則的形式對(duì)人類(lèi)知識(shí)進(jìn)行建模,整合海上目標(biāo)的語(yǔ)義軌跡、語(yǔ)義屬性及語(yǔ)義事件信息,設(shè)計(jì)并實(shí)現(xiàn)了一套基于知識(shí)驅(qū)動(dòng)方法的,綜合多種監(jiān)測(cè)手段、目標(biāo)多維度特征、多時(shí)間維度的基于歷史數(shù)據(jù)... 

【文章來(lái)源】：北京郵電大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：89 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

關(guān)系型數(shù)據(jù)庫(kù)表示實(shí)體間關(guān)系

?（２－３）??分離超平面將空間分為兩部分，一部分為正類(lèi)，另一部分為負(fù)類(lèi)，法向量指??向的一側(cè)為正類(lèi)。如圖２－３所示，點(diǎn)Ａ為樣本點(diǎn)，類(lèi)別為正，到分離超平面的距??離為ｒ。一般來(lái)說(shuō)，一個(gè)點(diǎn)距離分離超平面的遠(yuǎn)近可以表示分類(lèi)預(yù)測(cè)的確信程度。??Ａ?Ｗ??ｗ＊ｘ＋ｂ＝０?ｘ?／?ｘ?ｙ??＼之．??〇?°?乂??０?〇??ｏ?ｏ?＼、??°?＼??圖２－３線性支持向量模型的間隔示意圖??支持向量機(jī)算法的優(yōu)點(diǎn)在于可以產(chǎn)生嚴(yán)格的分類(lèi)邊界，分類(lèi)錯(cuò)誤率較低［１６］。??缺點(diǎn)是模型學(xué)習(xí)復(fù)雜度較高，對(duì)于大規(guī)模訓(xùn)練樣本難以實(shí)施。??２．３大數(shù)據(jù)處理框架簡(jiǎn)介??大數(shù)據(jù)處理分為批式大數(shù)據(jù)處理和流式大數(shù)據(jù)處理。前者進(jìn)行的是復(fù)雜的批??量數(shù)據(jù)處理，通常需要花費(fèi)一定的時(shí)間，不能快速給出結(jié)果；后者進(jìn)行的是基于??實(shí)時(shí)數(shù)據(jù)流的數(shù)據(jù)處理，對(duì)于實(shí)時(shí)性的要求較高。針對(duì)這兩種數(shù)據(jù)處理要求，出??現(xiàn)了大量的大數(shù)據(jù)編程框架，本小節(jié)選�。停幔穑遥澹洌酰悖濉ⅲ樱穑幔颍牒停樱簦铮颍磉@三種典??型代表進(jìn)行介紹。??２．３．１?ＭａｐＲｅｄｕｃｅ?計(jì)算模型??ＭａｐＲｅｄｕｃｅ是Ｈａｄｏｏｐ計(jì)算平臺(tái)中的一個(gè)并行計(jì)算模型，基于ＭａｐＲｅｄｕｃｅ寫(xiě)??出來(lái)的應(yīng)用程序能夠運(yùn)行在由上千個(gè)商用機(jī)器組成的大型集群上

圖２－４?ＭａｐＲｅｄｕｃｅ處理流程??ＭａｐＲｅｄｕｃｅ采用分治、分解的思想來(lái)處理問(wèn)題，其適用的場(chǎng)景為：大的任務(wù)??模塊可以被分解為許多子任務(wù)，并且這些子任務(wù)相對(duì)獨(dú)立，將這些子任務(wù)并行處??

【參考文獻(xiàn)】：
期刊論文
[1]基于Spark的并行DBSCAN算法的設(shè)計(jì)與實(shí)現(xiàn)[J]. 黃明吉,張倩.  計(jì)算機(jī)科學(xué). 2017(S2)
[2]數(shù)據(jù)挖掘技術(shù)的綜述[J]. 王雅軒,頊聰.  電子技術(shù)與軟件工程. 2015(08)
[3]基于AIS的海洋環(huán)境目標(biāo)監(jiān)測(cè)技術(shù)研究[J]. 孫輝,吳炳昭,嚴(yán)建華.  海洋測(cè)繪. 2014(03)

碩士論文
[1]面向物聯(lián)網(wǎng)多維度數(shù)據(jù)的多級(jí)存儲(chǔ)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 劉佩增.北京郵電大學(xué) 2018
[2]基于實(shí)時(shí)計(jì)算和離線挖掘的多手段數(shù)據(jù)融合系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 劉妍.北京郵電大學(xué) 2018
[3]基于并行計(jì)算技術(shù)的數(shù)據(jù)融合系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 楊春暉.北京郵電大學(xué) 2017
[4]Hadoop架構(gòu)下數(shù)據(jù)挖掘與數(shù)據(jù)遷移系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 呂明育.上海交通大學(xué) 2013



本文編號(hào)：3442799