Print

基于多尺度卷积的船舶行为识别方法

论文摘要

针对复杂海洋环境下人工监管船舶行为效率低的问题,提出了一种基于多尺度卷积神经网络的船舶行为识别方法。首先,从船舶自动识别系统(AIS)中获取海量船舶行驶数据,并提取出具有判别力的船舶行为轨迹;然后,根据轨迹数据的特性,利用多尺度卷积设计并实现了针对船舶轨迹数据的行为识别网络,并且使用特征通道加权以及长短时记忆网络(LSTM)来提高算法的准确率。在船舶行为数据集上的实验结果表明,对于指定长度的船舶轨迹,所提识别网络能够达到92.1%的识别准确率,相较于传统的卷积神经网络提高了5.9个百分点,并且在稳定性以及收敛速度上都有明显提升。该方法能够有效地提高船舶行为的识别精度,为海洋监管部门提供高效的技术支持。

论文目录

  • 0 引言
  • 1 基于多尺度卷积的船舶行为识别方法
  •   1.1 船舶行为识别系统流程
  •   1.2 多尺度卷积网络
  •   1.3 AIS时序特征学习
  •   1.4 基于特征通道加权的改进方法
  • 2 实验与结果分析
  •   2.1 数据集
  •   2.2 实验环境与评价指标
  •   2.3 实验参数设定
  •   2.4 结果分析
  •     2.4.1 识别结果展示
  •     2.4.2 算法性能分析
  •     2.4.3 资源受限分析
  • 3 结语

    • 文章来源

    类型: 期刊论文

    作者: 王立林,刘俊

    关键词: 深度学习,行为识别,多尺度卷积,长短期记忆网络,海上交通

    来源: 计算机应用 2019年12期

    年度: 2019

    分类: 信息科技,基础科学,工程科技Ⅱ辑

    专业: 海洋学,船舶工业,计算机软件及计算机应用,自动化技术

    单位: 通信信息传输与融合技术国防重点学科实验室(杭州电子科技大学)

    基金: 国家自然科学基金重点项目(61333009)~~

    分类号: TP18;U675.79;P71

    页码: 3691-3696

    总页数: 6

    文件大小: 1224K

    下载量: 282

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/527b0e0dc5647527bf8b3e04.html