基于加权朴素贝叶斯的船舶轨迹分类算法

发布时间：2022-12-18 11:49

　　为实现船舶自动识别系统（Automatic Identification System,AIS）轨迹数据快速分类,提出一种基于加权朴素贝叶斯的船舶轨迹分类算法。通过船舶AIS数据预处理和轨迹特征分析,设计加权的朴素贝叶斯分类器,利用AIS数据进行训练;采用有监督的分类方法提高分类效率,提出基于特征连续值的加权方法,构建船舶AIS分类加权最优特征集合,提高轨迹分类的准确率和速度。以长江中游武汉河段为例,进行试验验证。结果表明:AIS动态信息是重要的轨迹特征,提出的朴素贝叶斯船舶轨迹分类算法准确率达99.05%,相比未加权和其他常用分类算法表现更优;研究成果可应用于船舶异常轨迹识别和船舶航行风险分析等领域中。 

【文章页数】：7 页

【文章目录】：
1 朴素贝叶斯轨迹分类算法
    1.1 朴素贝叶斯
    1.2 轨迹特征
        1.2.1 特征初步选择
            1.2.1.1 方向
            1.2.1.2 线形
            1.2.1.3 动态信息
        1.2.2 序列前向选择算法
    1.3 连续数据的处理与加权
2 试验分析
    2.1 试验数据集
    2.2 寻找最优特征子集
    2.3 特征加权
3 分类效果与对比
4 结束语


【参考文献】：
期刊论文
[1]基于相关搜索的前向序列特征选择算法[J]. 李三川,吴丽丽.  通信技术. 2018(12)
[2]基于KNN的船舶轨迹分类算法[J]. 刘磊,初秀民,蒋仲廉,钟诚,张代勇.  大连海事大学学报. 2018(03)
[3]一种基于属性加权补集的朴素贝叶斯文本分类算法[J]. 陈凯,黄英来,高文韬,赵鹏.  哈尔滨理工大学学报. 2018(04)
[4]基于属性关联的朴素贝叶斯分类算法[J]. 宁可,孙同晶,赵浩强.  计算机工程. 2018(06)
[5]船舶AIS轨迹快速自适应谱聚类算法[J]. 牟军敏,陈鹏飞,贺益雄,张行健,朱剑峰,荣昊.  哈尔滨工程大学学报. 2018(03)
[6]基于朴素贝叶斯算法的船舶异常行为监测[J]. 魏照坤,谢新连,潘伟,赵瑞嘉.  交通运输系统工程与信息. 2017(06)
[7]基于Spark的船舶航行轨迹聚类方法[J]. 彭祥文,高曙,初秀民,何阳,陆丛.  中国航海. 2017(03)
[8]基于轨迹的内河船舶行为模式挖掘[J]. 朱姣,刘敬贤,陈笑,李欢欢.  交通信息与安全. 2017(03)
[9]基于AIS信息的船舶轨迹聚类模型及应用[J]. 肖潇,邵哲平,潘家财,纪贤标.  中国航海. 2015(02)
[10]航道关键段动态通航饱和度模型及其应用[J]. 杨小军,肖英杰,冯宏祥.  上海海事大学学报. 2012(01)



本文编号：3722001