為實(shí)現(xiàn)船舶自動(dòng)識(shí)別系統(tǒng)（Automatic Identification System,AIS）軌跡數(shù)據(jù)快速分類,提出一種基于加權(quán)樸素貝葉斯的船舶軌跡分類算法。通過船舶AIS數(shù)據(jù)預(yù)處理和軌跡特征分析,設(shè)計(jì)加權(quán)的樸素貝葉斯分類器,利用AIS數(shù)據(jù)進(jìn)行訓(xùn)練;采用有監(jiān)督的分類方法提高分類效率,提出基于特征連續(xù)值的加權(quán)方法,構(gòu)建船舶AIS分類加權(quán)最優(yōu)特征集合,提高軌跡分類的準(zhǔn)確率和速度。以長(zhǎng)江中游武漢河段為例,進(jìn)行試驗(yàn)驗(yàn)證。結(jié)果表明:AIS動(dòng)態(tài)信息是重要的軌跡特征,提出的樸素貝葉斯船舶軌跡分類算法準(zhǔn)確率達(dá)99.05%,相比未加權(quán)和其他常用分類算法表現(xiàn)更優(yōu);研究成果可應(yīng)用于船舶異常軌跡識(shí)別和船舶航行風(fēng)險(xiǎn)分析等領(lǐng)域中。 

【文章頁(yè)數(shù)】：7 頁(yè)

【文章目錄】：
1 樸素貝葉斯軌跡分類算法
    1.1 樸素貝葉斯
    1.2 軌跡特征
        1.2.1 特征初步選擇
            1.2.1.1 方向
            1.2.1.2 線形
            1.2.1.3 動(dòng)態(tài)信息
        1.2.2 序列前向選擇算法
    1.3 連續(xù)數(shù)據(jù)的處理與加權(quán)
2 試驗(yàn)分析
    2.1 試驗(yàn)數(shù)據(jù)集
    2.2 尋找最優(yōu)特征子集
    2.3 特征加權(quán)
3 分類效果與對(duì)比
4 結(jié)束語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]基于相關(guān)搜索的前向序列特征選擇算法[J]. 李三川,吳麗麗.  通信技術(shù). 2018(12)
[2]基于KNN的船舶軌跡分類算法[J]. 劉磊,初秀民,蔣仲廉,鐘誠(chéng),張代勇.  大連海事大學(xué)學(xué)報(bào). 2018(03)
[3]一種基于屬性加權(quán)補(bǔ)集的樸素貝葉斯文本分類算法[J]. 陳凱,黃英來,高文韜,趙鵬.  哈爾濱理工大學(xué)學(xué)報(bào). 2018(04)
[4]基于屬性關(guān)聯(lián)的樸素貝葉斯分類算法[J]. 寧可,孫同晶,趙浩強(qiáng).  計(jì)算機(jī)工程. 2018(06)
[5]船舶AIS軌跡快速自適應(yīng)譜聚類算法[J]. 牟軍敏,陳鵬飛,賀益雄,張行健,朱劍峰,榮昊.  哈爾濱工程大學(xué)學(xué)報(bào). 2018(03)
[6]基于樸素貝葉斯算法的船舶異常行為監(jiān)測(cè)[J]. 魏照坤,謝新連,潘偉,趙瑞嘉.  交通運(yùn)輸系統(tǒng)工程與信息. 2017(06)
[7]基于Spark的船舶航行軌跡聚類方法[J]. 彭祥文,高曙,初秀民,何陽(yáng),陸叢.  中國(guó)航海. 2017(03)
[8]基于軌跡的內(nèi)河船舶行為模式挖掘[J]. 朱姣,劉敬賢,陳笑,李歡歡.  交通信息與安全. 2017(03)
[9]基于AIS信息的船舶軌跡聚類模型及應(yīng)用[J]. 肖瀟,邵哲平,潘家財(cái),紀(jì)賢標(biāo).  中國(guó)航海. 2015(02)
[10]航道關(guān)鍵段動(dòng)態(tài)通航飽和度模型及其應(yīng)用[J]. 楊小軍,肖英杰,馮宏祥.  上海海事大學(xué)學(xué)報(bào). 2012(01)



本文編號(hào)：3722001