發(fā)布時間：2025-01-20 11:20

　　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(jìn)行檢測研究不僅能夠協(xié)助海事部門對水域進(jìn)行更有效的實(shí)時監(jiān)管,而且能夠幫助管理人員對水域內(nèi)的船舶行為進(jìn)行更清晰的識別,及時發(fā)現(xiàn)船舶的異常運(yùn)動軌跡與船舶異常運(yùn)動的位置點(diǎn),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(jìn)行研究。主要研究方法是先對船舶自動識別系統(tǒng)(Automatic Identification System,AIS)提供的原始數(shù)據(jù)進(jìn)行預(yù)處理,對船舶軌跡點(diǎn)進(jìn)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(jìn)行聚類,從聚類結(jié)果中選擇出異常的軌跡類、把遠(yuǎn)離正常類典型軌跡的路線判定為異常軌跡。然后在聚類結(jié)果的正常類中加工出表征船舶運(yùn)動特征的六組特征數(shù)據(jù),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(jì)算六組特征數(shù)據(jù)的異常分值,再運(yùn)用集成分析和熵權(quán)法綜合不同的運(yùn)動特征得分算出最...

【文章頁數(shù)】：85 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．４典型軌跡閾值范圍內(nèi)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(shù)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(zhuǎn)圈示意圖??Ｆｉｇ．?２．４?Ｓｃｈｅｍａｔｉｃ?ｏｆ?ｔｕｒｎｉｎｇ?ｃｉｒｃｌｅ?ｏｆ?ｓｈｉｐ??－３１?－??

?大連海事大學(xué)碩士學(xué)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(shù)據(jù)中轉(zhuǎn)向率超過范圍的數(shù)據(jù)。??以上步驟把ＡＩＳ數(shù)據(jù)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