融合主成分分析与支持向量机的船舶异常行为识别方法
Navigation of China（2023）
摘要
为解决船舶异常行为识别率低下的问题,综合考虑船舶属性和运动特征,提出了一种融合主成分分析和支持向量机的船舶异常行为识别方法.根据船舶作业过程对船舶行为模式进行划分,并明确船舶行为模式相关的船舶运动特征;进而以船舶自动识别系统数据为基础,运用主成分分析算法提取最具代表性的船舶运动特征;最后运用支持向量机算法对船舶异常行为进行识别.选取青岛港附近水域的船舶轨迹进行试验分析,结果表明:青岛港附近水域最具代表性的船舶运动特征共10个,总贡献率为84.40％;船舶异常行为识别结果的平均精确率和平均召回率分别为83％和84％,均优于对比模型.研究成果可以为船舶位置异常、轨迹异常、航速异常、航向异常等异常情况的智能发现和海事监管提供支撑.
更多关键词
abnormal ship behavior,principal component analysis,support vector machine,trajectory feature mining
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要