船舶異常行為檢測是海上航行安全的重要保障,因此對船舶異常行為進行檢測研究不僅能夠協助海事部門對水域進行更有效的實時監(jiān)管,而且能夠幫助管理人員對水域內的船舶行為進行更清晰的識別,及時發(fā)現船舶的異常運動軌跡與船舶異常運動的位置點,提高水域監(jiān)管效率。本文主要以船舶異常行為為研究對象,采用孤立森林算法來對船舶異常行為檢測的問題進行研究。主要研究方法是先對船舶自動識別系統(Automatic Identification System,AIS)提供的原始數據進行預處理,對船舶軌跡點進行簡化、分割后利用基于密度的聚類算法(Density-Based Spatial Clustering of Application with Noise,DBSCAN)對船舶軌跡段進行聚類,從聚類結果中選擇出異常的軌跡類、把遠離正常類典型軌跡的路線判定為異常軌跡。然后在聚類結果的正常類中加工出表征船舶運動特征的六組特征數據,將孤立森林(Isolation Forest,iForest)算法引入船舶異常行為檢測。利用iForest算法模型分別計算六組特征數據的異常分值,再運用集成分析和熵權法綜合不同的運動特征得分算出最...

【文章頁數】：85 頁

【學位級別】：碩士

【部分圖文】：

圖１．４典型軌跡閾值范圍內的檢測??Ｆｉｇ．?１．４?Ｄｅｔｅｃｔｉｏｎ?ｏｆ?ａｎｏｍａｌｙ?ｔｒａｊｅｃｔｏｒｙ?ｗｉｔｈｉｎ?ｔｈｒｅｓｈｏｌｄ??［２１］

ｔｒａｊｅｃｔｏｒｙ??２４．３９６?－?？?〇?異常軌跡?Ａｎｏｍａｌｙ?ｓｈｉｐ?ｔｔｒａｊｃｃｔｏｉｙ?ｌ??Ｃｏｎｆｉｄｅｎｃｅ?ｉｎｔｅｒｖａｌ??２４．３９４?－?＜１?＾??％?＃＾ｖ??ｊ?２４３９２??１?，??２４．３８６?－?？??ｉ?，．?ｉ?ｉ?？?ｉ?....

圖１．１３不同異常種類數下的性能對比??Ｆｉｇ．?１．１３?Ｃｏｍｐａｒｉｓｏｎ?ｏｆ?ｐｅｒｆｏｍｉａｎｃｅ?ｏ?

．０２??Ｓａｔｅｌｌｉｔｅ?０．４６?１．１７?１．６３?８．５１?８．９７?２１７．３９?＊＊??Ｐｉｍａ?０．１７?０．１１?０．２８?０．０６?０．０６?１．１４?４．９８??Ｂｒｅａｓｔｗ?０．１７?０．１１?０．２８?０．０４?０．０７?１．７７?３．１０??Ａｒｒｈ....

圖２．?４船舶回轉圈示意圖??Ｆｉｇ．?２．４?Ｓｃｈｅｍａｔｉｃ?ｏｆ?ｔｕｒｎｉｎｇ?ｃｉｒｃｌｅ?ｏｆ?ｓｈｉｐ??－３１?－??

?大連海事大學碩士學位論文???Ａｔ?＝?ｔ「ｔ〇?二，?（２．７）??１?３６０ｖ??ｗ?７２ｖ?、??（２－８）??式中ｗ的單位為。，Ｌ的單位為ｍ，？的單位為ｓ，?ｖ的單位為ｍ／ｓ，?ｄｗ的單位為。??／ｓ。刪除ＡＩＳ數據中轉向率超過范圍的數據。??以上步驟把ＡＩＳ數據中最典....

圖３．?３?ＶＭＤＬ與ＭＤＬ對比圖??

?基于孤立森林算法的船舶異常行為集成檢測???，？?？，?，?少?，，Ｊ＊??■，嶺?＊?ｆ?／?ｆ??／?／?／?ｉｆｆ?ｉｆ??ｉ?ｉ?ｆｉ?Ｉ?／?／Ｉ?Ｉ?／?／Ｊ??ｔ，／／／／?ｆ?？?ｎ??？?ｉ?ｉ?／?ｉ?ｉ?ｉ?／?＊?‘?ｉ?／??Ｏｒｉｇｉｎａｌ?ｔｒａｊ....

本文編號：4029184