基于YOLOv2的船舶目标检测分类算法 被引量：16

1

作者 段敬雅 李彬 +1 位作者 董超 田联房 《计算机工程与设计》 北大核心 2020年第6期1701-1707,共7页

为克服传统船舶检测方法提取的特征在复杂多变的实际海域场景中泛化能力差而导致船舶检出率和识别率较低这一问题,提出一种基于YOLOv2和支持向量机(support vector machine,SVM)的船舶检测分类算法。基于YOLOv2网络检测船舶目标,通过卷... 为克服传统船舶检测方法提取的特征在复杂多变的实际海域场景中泛化能力差而导致船舶检出率和识别率较低这一问题,提出一种基于YOLOv2和支持向量机(support vector machine,SVM)的船舶检测分类算法。基于YOLOv2网络检测船舶目标,通过卷积神经网络提取船舶区域的深度特征,特征全局池化后利用SVM分类器实现分类。实验结果表明,该算法在自建的船舶数据集上船舶检测的平均精确率达80.5%,船舶分类的准确率达90.87%,有效实现复杂海况下船舶目标的检测以及舰艇、货船、渔船的识别。 展开更多

关键词 船舶检测 船舶分类 YOLOv2 特征提取 SVM分类器

下载PDF 职称材料

基于结构特征分析的COSMO-SkyMed图像商用船舶分类算法 被引量：10

2

作者 蒋少峰 王超 +3 位作者 吴樊 张波 汤益先 张红 《遥感技术与应用》 CSCD 北大核心 2014年第4期607-615,共9页

船舶分类与识别对于海洋交通运输监测与管理具有重要意义,同时也是SAR海洋应用的重要组成部分。COSMO-SkyMed高分辨率合成孔径雷达(SAR)图像下,商用船舶的结构轮廓明显,散货船、集装箱船和油船的特征清晰可辨,为船舶识别分类提供有效支... 船舶分类与识别对于海洋交通运输监测与管理具有重要意义,同时也是SAR海洋应用的重要组成部分。COSMO-SkyMed高分辨率合成孔径雷达(SAR)图像下,商用船舶的结构轮廓明显,散货船、集装箱船和油船的特征清晰可辨,为船舶识别分类提供有效支持。提出了一种基于结构特征分析的商用船舶分类算法,通过提取核密度估计值、船舶积分主轴位置及左中右3部分积分量比例等特征,可实现船舶类型的区分。通过在东海试验区的同步实验,证明COSMO-SkyMed图像商用船舶分类算法的平均分类精度达到89.94%。 展开更多

关键词 合成孔径雷达 特征提取 船舶分类 核密度估计

原文传递

基于深度学习的图像识别技术在非法采砂监管中的应用 被引量：7

3

作者 汤文华 陈灿斌 +1 位作者 向舒华 申寒冬 《中国农村水利水电》 北大核心 2021年第5期108-112,共5页

由于河道采砂管理难度大,技术手段不足,监管人力缺乏等问题,致使非法采砂难以控制。针对河道非法采砂流动性大、隐蔽性强、取证难等特点,研究基于深度学习的图像识别技术,以提高采砂船识别及监管的能力,突破采砂监管中的重点、难点,结... 由于河道采砂管理难度大,技术手段不足,监管人力缺乏等问题,致使非法采砂难以控制。针对河道非法采砂流动性大、隐蔽性强、取证难等特点,研究基于深度学习的图像识别技术,以提高采砂船识别及监管的能力,突破采砂监管中的重点、难点,结合智能追踪技术,实现对非法采砂行为的及时发现和预警,并形成足够的证据链来证实非法采砂的事实,对提高河道采砂监管效能具有重要意义。 展开更多

关键词 非法采砂 深度学习 图像识别 船舶分类 智能跟踪

下载PDF 职称材料

基于三维卷积神经网络的点云图像船舶分类方法 被引量：7

4

作者 任永梅 杨杰 +1 位作者 郭志强 陈奕蕾 《激光与光电子学进展》 CSCD 北大核心 2020年第16期222-230,共9页

为了进一步提高点云图像船舶分类方法的分类准确率,提出了一种基于三维卷积神经网络(3DCNN)的点云图像船舶分类方法。首先采用密度网格方法将点云图像转为体素网格图像,将体素网格图像作为3DCNN的输入对象;接着通过设计的6层3D CNN提取... 为了进一步提高点云图像船舶分类方法的分类准确率,提出了一种基于三维卷积神经网络(3DCNN)的点云图像船舶分类方法。首先采用密度网格方法将点云图像转为体素网格图像,将体素网格图像作为3DCNN的输入对象;接着通过设计的6层3D CNN提取体素网格图像的高水平特征,捕捉结构信息;最后在输出层利用Softmax函数进行分类,得到最终的分类结果。实验结果表明,在自建的点云图像船舶数据集上,所提方法的分类准确率达到了96.14%,比3DShapeNets方法和VoxNet方法分别提高了5.97%和2.46%。在悉尼城市目标数据集上,与现有一些方法相比,所提方法的分类准确率较高。这些结果均证明所提方法具有良好的分类性能。 展开更多

关键词 图像处理 船舶分类 三维卷积神经网络 体素网格 点云 点特征直方图

原文传递

改进的SqueezeNet网络在船舶分类中的应用 被引量：5

5

作者 张玉皓 李立钢 《传感器与微系统》 CSCD 北大核心 2022年第1期150-152,160,共4页

船舶分类在仿真系统中应用广泛,针对目前船舶分类准确率不高以及在提高准确率的同时无法很好兼顾实时性的问题,提出了先对输入图片预处理,经过彩色转灰度再二值化后输入改进的卷积神经网络(CNN)的方法。所改良的网络结构以SqueezeNet为... 船舶分类在仿真系统中应用广泛,针对目前船舶分类准确率不高以及在提高准确率的同时无法很好兼顾实时性的问题,提出了先对输入图片预处理,经过彩色转灰度再二值化后输入改进的卷积神经网络(CNN)的方法。所改良的网络结构以SqueezeNet为基础,并将网络浅层输出和深层输出级联合并作为最终输出,使得特征内容更加丰富;同时对Adam优化器进行改进,针对模型训练时Loss是否持续降低自适应调整学习率,加快模型收敛速度。经实验对比,所改进算法的船舶分类准确率比SqueezeNet、GoogleNet、MobileNet_V3网络平均高出1.24%,运行时间平均降低3.09%。 展开更多

关键词 卷积神经网络 船舶分类 神经网络可视化

下载PDF 职称材料

轻量化卷积神经网络在船舶分类中的应用 被引量：2

6

作者 王文亮 杨晓迪 +3 位作者 张博雅 马吉顺 曾鹏 韩鹏 《激光与光电子学进展》 CSCD 北大核心 2023年第6期63-70,共8页

为权衡船舶分类模型的分类精度和模型大小,提出一种改进GhostNet-50的轻量化卷积神经网络AGNet对自制的船舶数据集进行分类.首先,提出一种融合非对称卷积的Ghost模块,用于提升AGNet卷积过程的特征提取能力;然后,结合瓶颈结构,设计一种... 为权衡船舶分类模型的分类精度和模型大小,提出一种改进GhostNet-50的轻量化卷积神经网络AGNet对自制的船舶数据集进行分类.首先,提出一种融合非对称卷积的Ghost模块,用于提升AGNet卷积过程的特征提取能力;然后,结合瓶颈结构,设计一种非对称Ghost瓶颈模块,在维持模型表达能力的同时能进一步降低计算成本;最后,去除GhostNet-50中的一层1×1卷积,以降低整体模型的参数冗余.实验通过分类精度、参数量、计算量、推理速度等评价指标对所提方法进行多角度对比.实验结果中,AGNet模型在33个类别的测试集中精度达到了 93.87%,模型参数量仅为0.72×106,相比GhostNet-50压缩了 46.67%,且精度提升了 2.93个百分点.实验结果表明:AGNet在较低模型大小的前提下能达到更优的分类效果,可较好应用到船舶分类任务中. 展开更多

关键词 图像处理 船舶分类 轻量化 卷积神经网络 非对称卷积

原文传递

基于计算机视觉的船舶图像自动识别方法研究综述 被引量：5

7

作者 罗明明 诸峰 王东升 《软件导刊》 2018年第7期5-8,共4页

介绍了船舶图像自动识别相关概念、历史背景,分析了传统船舶识别系统的不足之处,在此基础上阐述了基于计算机视觉的船舶图像自动识别发展现状,从静态和复杂环境等不同维度,总结和归纳了各种船舶图像自动识别方法的基本思想和主要工作,... 介绍了船舶图像自动识别相关概念、历史背景,分析了传统船舶识别系统的不足之处,在此基础上阐述了基于计算机视觉的船舶图像自动识别发展现状,从静态和复杂环境等不同维度,总结和归纳了各种船舶图像自动识别方法的基本思想和主要工作,并对不同方法的优缺点进行了分析和对比。对基于深度学习的船舶图像识别、基于内容的船舶图像识别与标注以及基于多分类器融合的SAR船舶图像识别等船舶图像识别方法进行了介绍,并对船舶自动识别的未来趋势进行了展望。 展开更多

关键词 图像识别 船舶识别 船舶分类 计算机视觉

下载PDF 职称材料

基于AlexNet卷积神经网络的红外图像船舶分类方法 被引量：1

8

作者 任永梅 邓一彬 +2 位作者 罗威 冯骁 陈智龙 《电脑知识与技术》 2023年第10期13-15,共3页

船舶分类是海上安全和交通管理中的重要问题,已广泛应用于民用领域和军事领域。可见光图像对目标的区分度好,但易受光照影响。文章基于深度学习探讨红外图像船舶分类方法。首先使用AlexNet网络提取红外船舶图像的深层特征,并训练网络,... 船舶分类是海上安全和交通管理中的重要问题,已广泛应用于民用领域和军事领域。可见光图像对目标的区分度好,但易受光照影响。文章基于深度学习探讨红外图像船舶分类方法。首先使用AlexNet网络提取红外船舶图像的深层特征,并训练网络,得到最优的船舶分类训练模型;接着调用最优的船舶分类训练模型对测试集中的红外船舶图像进行测试,得到船舶分类结果。在公开可用的VAIS船舶数据集上进行实验,该方法的分类准确率达到了83.79%。实验结果表明,该方法具有较好的船舶分类性能。 展开更多

关键词 图像处理 船舶分类 深度学习 红外图像

下载PDF 职称材料

国际航运碳强度规则下的船舶分类 被引量：4

9

作者 薛树业 何利东 《世界海运》 2022年第8期23-27,共5页

由于各类船舶碳排放特性存在差异,在国际航运碳强度规则下计算船舶碳强度指标时会涉及船舶分类问题。为便于根据船舶分类计算相应类别船舶的碳强度指标,基于MARPOL公约附则VI 2021年修正案以及船舶碳强度相关技术导则,根据各类船舶的定... 由于各类船舶碳排放特性存在差异,在国际航运碳强度规则下计算船舶碳强度指标时会涉及船舶分类问题。为便于根据船舶分类计算相应类别船舶的碳强度指标,基于MARPOL公约附则VI 2021年修正案以及船舶碳强度相关技术导则,根据各类船舶的定义,分析国际航运碳强度规则下的船舶分类问题,为各类船舶碳强度指标的计算及能耗数据收集、统计分析提供船舶分类依据,供相关方参考。 展开更多

关键词 国际航运 船舶分类 碳排放 碳强度

下载PDF 职称材料

基于K-Means和XG-Boost算法的“两步式”船型分类映射

10

作者 王绍函 韩懿 +1 位作者 王翔宇 任飞扬 《上海船舶运输科学研究所学报》 2023年第3期28-34,53,共8页

由于当前的船舶分类较为单一,不同类型船舶的尺度和航行油耗等特征参数存在很大差异,采用相同的油耗标准衡量不同类型船舶的油耗会产生很大偏差。为有效解决该问题,以某公司的干散货船、集装箱船和油船为研究对象,提出一种“两步式”船... 由于当前的船舶分类较为单一,不同类型船舶的尺度和航行油耗等特征参数存在很大差异,采用相同的油耗标准衡量不同类型船舶的油耗会产生很大偏差。为有效解决该问题,以某公司的干散货船、集装箱船和油船为研究对象,提出一种“两步式”船型分类方法。采用K-Means算法对该公司内部船舶的9个属性进行分类,并基于肘部法则确定分类数量;根据得到的簇的数量,采用K-Means模型对船舶进行分类,并打上分类标签。针对该公司外部船舶属性数据缺失严重、数据质量较差的情况,基于上述分类标签,采用XG-Boost算法对该公司内部的船舶进行二次训练,使船舶分类模型具有处理数据缺失问题和提供分类概率的能力。实际应用结果表明,该“两步式”船型分类方法能对公司内外船舶能耗表现一致的船舶进行合理分类,并建立公司内外船舶的映射关系。 展开更多

关键词 K-MEANS算法 XG-Boost算法 量化分析 船舶分类 机器学习

下载PDF 职称材料

基于ResNet-LSTM网络的船型识别方法

11

作者 朱治学 杨风暴 《舰船电子工程》 2023年第3期112-118,共7页

针对传统单一神经网络对复杂航迹特征提取能力有限、无法充分挖掘航迹数据中的有效信息,导致基于航迹数据进行船型识别准确度低的问题。提出了一种ResNet-LSTM的融合网络模型,首先利用迁移学习的ResNet预训练模型提取航迹数据中的局部... 针对传统单一神经网络对复杂航迹特征提取能力有限、无法充分挖掘航迹数据中的有效信息,导致基于航迹数据进行船型识别准确度低的问题。提出了一种ResNet-LSTM的融合网络模型,首先利用迁移学习的ResNet预训练模型提取航迹数据中的局部空间特征,然后构建LSTM长短时记忆网络提取航迹数据中的长距离时序性特征,最后构造网络融合公式,利用反向传播分别训练网络参数,实现基于航迹数据对船舶类型进行识别。在对比实验中,确定融合最佳参数,对比现有的网络模型架构,ResNet-LSTM融合网络模型在准确度、精确度、召回率、F1值等评价指标上表现突出,能够高效地提取到航迹数据中的有效特征,在完成船型识别任务上表现优异。 展开更多

关键词 船舶分类 残差神经网络 长短时记忆网络 模型融合

下载PDF 职称材料

基于图像处理和模糊神经网络理论的船舶分类研究 被引量：3

12

作者 郭战杰 王晓莉 《舰船科学技术》 北大核心 2017年第18期52-54,共3页

本文将图像处理算法和模糊神经网络分类器相结合进行船舶分类,在研究过程中,首先利用图像处理技术进行图像分割、设定阈值、边缘检测等操作,然后建立了模糊神经网络结构,在此结构基础上进行模糊神经网络分类学习,最后采集到实测数据进... 本文将图像处理算法和模糊神经网络分类器相结合进行船舶分类,在研究过程中,首先利用图像处理技术进行图像分割、设定阈值、边缘检测等操作,然后建立了模糊神经网络结构,在此结构基础上进行模糊神经网络分类学习,最后采集到实测数据进行船舶分类,实验结果表明了本文算法的可行性和有效性。 展开更多

关键词 图像处理 模糊神经网络 船舶分类

下载PDF 职称材料

面向海洋网络信息体系的信息融合与分析挖掘技术 被引量：3

13

作者 温建新 任呈祥 +1 位作者 孙龙 朱福建 《中国电子科学研究院学报》 北大核心 2021年第9期927-932,共6页

针对海洋网络信息体系中目标数据种类多、实时性高、数据量大、数据特点各异等问题,对海洋目标数据及信息融合技术进行充分研究,提出了一种海洋目标数据通用分布式融合技术。实现了时间、空间和频谱的有效融合,并能够基于海洋目标生成... 针对海洋网络信息体系中目标数据种类多、实时性高、数据量大、数据特点各异等问题,对海洋目标数据及信息融合技术进行充分研究,提出了一种海洋目标数据通用分布式融合技术。实现了时间、空间和频谱的有效融合,并能够基于海洋目标生成海洋网信体系的统一态势,对船舶等海洋目标实现全生命周期实时监控。在此基础上,文中进一步研究了基于融合数据的船舶分类及行为识别预测,得到了较好的效果,有效地提升了海洋目标识别跟踪能力。 展开更多

关键词 海洋网络信息体系 信息融合 船舶分类 行为识别

下载PDF 职称材料

基于卷积神经网络的船舶分类模型 被引量：3

14

作者 林嘉应 郑柏伦 刘捷 《信息技术与信息化》 2019年第2期125-126,共2页

近年来智能交通发展迅速,但目前的研究大多是关于陆上交通的研究,分类任务也大多数是关于日常物体的分类,现在基本上很少有关于船舶分类的研究。但船舶分类对于航道安全,航道监管具有重要意义。卷积神经网络是近年来学术界和工业界广泛... 近年来智能交通发展迅速,但目前的研究大多是关于陆上交通的研究,分类任务也大多数是关于日常物体的分类,现在基本上很少有关于船舶分类的研究。但船舶分类对于航道安全,航道监管具有重要意义。卷积神经网络是近年来学术界和工业界广泛关注的一种图像处理方法。本文将近年来十分热门且高效的卷积神经网络应用到船舶分类任务当中,将船舶分成五类,构建了基于卷积神经网络的适应实际情况的船舶分类模型。一方面填补了这个领域研究上的空白,另一方面为船舶管理提供了一个新的方法。 展开更多

关键词 卷积神经网络 船舶分类

下载PDF 职称材料

基于AIS数据的船舶安全航行水深参考图 被引量：3

15

作者 何正伟 杨帆 刘力荣 《交通运输工程学报》 EI CSCD 北大核心 2018年第4期171-181,共11页

通过挖掘海量AIS数据,提出了一种新的航道水深信息获取方法,即构建船舶安全航行水深参考图;采用数据预处理的方法对历史与在线的AIS数据进行清洗和修补,生成船舶运动轨迹;选定船舶航行区域的时间与经纬度,采用K-means聚类算法对船舶航... 通过挖掘海量AIS数据,提出了一种新的航道水深信息获取方法,即构建船舶安全航行水深参考图;采用数据预处理的方法对历史与在线的AIS数据进行清洗和修补,生成船舶运动轨迹;选定船舶航行区域的时间与经纬度,采用K-means聚类算法对船舶航行过程中的吃水数据进行聚类分析,得到不同安全航行区域的船舶分类,运用BP神经网络模型预测并补齐AIS数据中缺失的船舶最大吃水信息;分割船舶历史轨迹,当子轨迹的时间间隔在10~20min时,采用Spline插值方法对船舶轨迹中的丢失数据进行插值;采用凸包构建同类船舶的安全航行水深区域图,将不同吃水类型船舶的安全航行水深区域图合并,得到船舶安全航行水深合并图;将不同吃水类型的船舶安全航行水深合并图与航道图叠加,得到船舶安全航行水深参考图。试验结果表明:当聚类算法参数设置为4时,聚类后得到4类船舶,对应的船舶最大吃水范围分别为0.1~4.8、4.8~6.6、6.6~10.0、10.0~13.0m,对应的至少可通航船舶吃水分别为1.8、2.4、3.3、5.0m,说明船舶最大吃水与至少可通航船舶吃水呈正相关关系;构建的船舶安全航行水深参考图在电子航道图中覆盖了86%的航道,并与航道图的深水部分重合率为80%,因此,构建的船舶安全航行水深参考图能反映航道水深的真实情况,满足不同类别船舶的导航需求。 展开更多

关键词 交通信息工程 水深参考图 BP神经网络 船舶分类 轨迹分割 凸包理论

原文传递

船检与海事管理中船舶分类的分析与探讨 被引量：1

16

作者 赵文 《山东工业技术》 2016年第21期262-262,280,共2页

船舶分类是船舶检验管理与海事管理领域中一个重要的组成部分,但两者的分类又有所不同,本文就对船舶检验与海事管理中的船舶分类进行了比较,并根据国家标准创建了海事系统中统一的船舶分类标准,目的在于帮助相关人员对船舶进行更好地分类。

关键词 船检与海事 管理 船舶分类

下载PDF 职称材料

图像处理在船舶目标分类中的应用研究

17

作者 张离乡 《舰船科学技术》 北大核心 2016年第1X期178-180,共3页

随着我国航运业的快速发展,航运交通安全问题也成为管理者关注的重点。船舶交通管理系统得到发展和广泛使用。虽然雷达、自动识别系统(AIS)、全球定位系统(GPS)等辅助技术在VTS系统中得到运用,但这些技术在船舶分类识别等方面存在一定... 随着我国航运业的快速发展,航运交通安全问题也成为管理者关注的重点。船舶交通管理系统得到发展和广泛使用。虽然雷达、自动识别系统(AIS)、全球定位系统(GPS)等辅助技术在VTS系统中得到运用,但这些技术在船舶分类识别等方面存在一定局限性。本文对图像处理技术在VTS系统中船舶分类应用的可行性进行研究,提出一种基于模板匹配和神经网络的船舶分类的算法模型,尝试通过该算法模型解决现有VTS系统存在的一些不足,同时进行仿真实验并给出仿真结果。 展开更多

关键词 船舶分类 神经网络 模板匹配

下载PDF 职称材料

基于改进YOLOv4深度学习的有雾海面船只识别 被引量：1

18

作者 孙智文 秦志亮 +4 位作者 彭若松 马林伟 马本俊 刘雪芹 赵杰臣 《应用科技》 CAS 2023年第5期37-45,共9页

为了提高有雾场景下船只检测识别的准确率,本文运用四分法计算求解大气光值实现对暗通道先验去雾算法的优化,引入空洞卷积方法和K-means++聚类算法改进YOLOv4算法,提出改进的暗通道先验去雾算法和改进YOLOv4深度学习的船只检测方法。通... 为了提高有雾场景下船只检测识别的准确率,本文运用四分法计算求解大气光值实现对暗通道先验去雾算法的优化,引入空洞卷积方法和K-means++聚类算法改进YOLOv4算法,提出改进的暗通道先验去雾算法和改进YOLOv4深度学习的船只检测方法。通过与不同去雾算法和船只识别算法进行对比实验分析,改进后的方法更好地实现了海面船只的实时检测及分类识别。实验结果表明该方法解决了原去雾算法中去雾图像亮度偏暗等问题,提高了船只识别的准确率与实时性,对海上有雾环境条件下的船只实时检测研究具有一定的理论指导意义。 展开更多

关键词 船舶检测 船舶分类识别 图像去雾 暗通道先验去雾算法 深度学习 YOLOv4算法 K-means++方法 空洞卷积方法

下载PDF 职称材料

深度学习船舶分类技术研究 被引量：4

19

作者 陈兴伟 《舰船科学技术》 北大核心 2019年第14期142-144,共3页

为了提高船舶分类正确率,针对当前船舶分类方法存在的精度低、误差大等缺陷,提出基于深度学习的船舶分类方法。首先对船舶分类图像进行采集,并提取多个船舶分类特征,组成船舶分类的特征向量集,然后将特征向量集作为深度学习算法的输入,... 为了提高船舶分类正确率,针对当前船舶分类方法存在的精度低、误差大等缺陷,提出基于深度学习的船舶分类方法。首先对船舶分类图像进行采集,并提取多个船舶分类特征,组成船舶分类的特征向量集,然后将特征向量集作为深度学习算法的输入,船舶类型作为深度学习算法的输出进行学习,建立船舶分类模型,最后进行船舶分类的仿真实验,结果表明,深度学习算法的船舶分类正确率超过90%,不仅可以很好地描述船舶类型,而且船舶分类的速度也很快,可以应用于日常船舶分类管理工作。 展开更多

关键词 深度学习算法 船舶分类技术 灰度共生矩阵 分类正确率

下载PDF 职称材料

基于1DCNN-LSTM的船舶轨迹分类方法 被引量：18

20

作者 崔彤彤 王桂玲 高晶 《计算机科学》 CSCD 北大核心 2020年第9期175-184,共10页

由于监控设备视野有限、代价昂贵等问题,导致基于船舶图像或视频的船舶分类效果欠佳,改进船舶分类方法、提高船舶分类的准确率迫在眉睫。近几年,随着各类轨迹数据采集系统的兴起,通过船舶航行轨迹数据实现船舶类型的分类逐渐成为可能。... 由于监控设备视野有限、代价昂贵等问题,导致基于船舶图像或视频的船舶分类效果欠佳,改进船舶分类方法、提高船舶分类的准确率迫在眉睫。近几年,随着各类轨迹数据采集系统的兴起,通过船舶航行轨迹数据实现船舶类型的分类逐渐成为可能。针对使用传统二维卷积神经网络(Convolutional Neural Network,CNN)对船舶轨迹分类存在特征压缩和时序特征表达能力匮乏的问题,文中提出了一种一维CNN(One-Dimensional CNN,1DCNN)与长短期记忆网络(Long Short-Term Memory,LSTM)相结合的混合分类模型,对采集到的船舶自动识别系统(Automatic Identification System,AIS)数据进行船舶类型识别。首先,针对AIS采集到的船舶轨迹数据进行预处理,过滤噪声数据;然后,针对隐含在船舶轨迹信息中的特征对于1DCNN而言过于隐晦的问题,提出了一种针对大规模航舶轨迹数据的,且1DCNN能够识别的轨迹分布特征向量的构建算法,同时在此基础上提取了LSTM能够识别的时序特征向量;最后,将训练后的1DCNN模型与LSTM模型进行数据融合得到混合船舶分类模型。以渤海区域2016年6月的船舶AIS数据为基础,使用1DCNN与LSTM相结合的混合模型对渔船、客船、油船、集装箱船和散货船5类典型船舶的轨迹数据进行分类,并将其与使用一种神经网络如LSTM作为分类器的方法进行对比,结果表明所提方法具有明显的有效性,是一种有效的船舶轨迹分类方法。 展开更多

关键词 船舶轨迹分类 一维卷积神经网络 长短期记忆网络 分布特征向量 时序特征向量

下载PDF 职称材料