基于变分自编码的海面舰船轨迹预测算法

发布时间：2021-04-27 08:16

　　海面舰船的轨迹预测对预测精度和实时性有更高的要求,而舰船轨迹数据特征复杂度较高,传统预测算法精度低、耗时长。为此,提出了一种基于变分自编码的海面舰船轨迹预测算法。首先将轨迹坐标数据集转换为轨迹移动矢量集,使用变分自编码完成轨迹运动特征的提取与生成预测;同时为提高轨迹预测精度,将变分自编码网络的隐空间分布设定为叠加高斯分布,使其更加符合真实的数据分布特征,并在隐空间完成轨迹特征的分类,实现了端到端的轨迹预测。仿真结果表明,相对于传统轨迹预测算法,基于变分自编码的预测算法误差降低了43. 73%,训练耗时降低了79. 4%,且改进后算法预测误差进一步降低了35. 59%。 

【文章来源】：计算机应用研究. 2020,37(S1)北大核心CSCD

【文章页数】：4 页

【参考文献】：
期刊论文
[1]基于高斯混合-时间序列模型的轨迹预测[J]. 高建,毛莺池,李志涛.  计算机应用. 2019(08)
[2]一种聚类隐马尔可夫模型的时空轨迹预测算法[J]. 孙红,陈锁.  小型微型计算机系统. 2019(03)
[3]基于高斯混合-贝叶斯模型的轨迹预测[J]. 朱坤.  计算机与现代化. 2019(02)
[4]基于变分自编码器的人脸正面化产生式模型[J]. 张鹏升.  软件导刊. 2018(12)
[5]增强变分自编码器做非平行语料语音转换[J]. 黄国捷,金慧,俞一彪.  信号处理. 2018(10)
[6]自适应高斯混合模型海上移动对象浮标轨迹聚类研究[J]. 葛丽阁,孙伟.  现代计算机(专业版). 2018(23)
[7]基于GMM的航班轨迹预测算法研究[J]. 林毅,张建伟,武喜萍,刘宇.  工程科学与技术. 2018(04)
[8]一种基于高斯混合模型的海上浮标轨迹聚类算法[J]. 荆晓刚,葛丽阁,孙伟.  现代计算机(专业版). 2017(36)
[9]EAVTP:一种环境自适应车辆轨迹预测方法[J]. 夏卓群,胡珍珍,罗君鹏.  小型微型计算机系统. 2016(10)
[10]一种基于高斯混合模型的轨迹预测算法[J]. 乔少杰,金琨,韩楠,唐常杰,格桑多吉,Louis Alberto GUTIERREZ.  软件学报. 2015(05)

硕士论文
[1]基于神经网络的车辆轨迹预测算法的研究与实现[D]. 朱自升.西安电子科技大学 2018
[2]基于高斯混合模型的变分自动编码器[D]. 李鹏.哈尔滨工业大学 2017
[3]不确定环境下移动车辆轨迹预测研究[D]. 胡珍珍.长沙理工大学 2017



本文编号：3163120