基于联合聚类的船舶交通多维模式研究
发布时间：2020-12-25 14:02
随着我国航运经济的快速发展与船舶自动识别系统的普及,产生了海量的船舶航行数据。船舶航行大数据中蕴藏着海上交通特征、船舶航行规律等信息,是海上交通相关研究的基础。海上交通特征规律分析与船舶行为模式挖掘对开展海上交通管理、航道设计、区域识别等工作有重要意义。过去在利用船舶AIS数据进行时空分布研究时,通常是以空间为基础的单边聚类,然后关联到时间等其他属性数据再研究其特征,这样的方法忽略了船舶多维时空数据之间的耦合性,会损失船舶的交通行为模式。而联合聚类可以进行两个或多个维度数据之间的聚类,得到特征属性之间的关系。这种方法利用了多维数据的丰富性和多样性关系,使聚类结果具有整体性和全局性,其应用有更强的实用性与系统伸缩性。论文利用联合聚类方法针对AIS数据开展船舶交通多维模式研究,主要工作包括:首先根据船舶交通多维模式分析的需要,提出基于联合聚类的船舶交通多维模式数据挖掘的概念,分析构建针对二维、三维时空数据的联合聚类数据模型;然后以数据模型为基础,提出了 AIS数据的预处理框架,提出了基于投影梯度的非负矩阵分解稀疏约束算法PGNMFS,提高分解迭代速度,增强联合聚类效果;设计实现了 PGNM...
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
图１．１论文组织结构??Ｆｉｇ．?１．１?Ｐａｐｅｒ?ｏｒｇａｎｉｚａｔｉｏｎ?ｓｔｉ＊ｕｃｔ＼ｉｒｅ??
基于联合聚类的船舶交通多维模式研宄??３三维船舶交通数据联合聚类算法??３．１引言??船舶ＡＩＳ数据中除了空间与时间的数据，还包含了丰富的数据类型，数据之间存在??着多元关系，从中可以发现更多更详细的信息。传统的信息数据处理方式是向量或者矩??．?阵，但对于复杂的多维数据，很明显这些方法不足以应对。在数据规模增大时，维度越??高，数据处理难度越大，计算复杂通常会带来“维数灾难”，为了避免这个问题，学者??们通常会利用?ＩＣＡ［６４］、ＰＣＡ［６５】、线性判别分析．（Ｌｉｎｅａｒ?Ｄｉｓｃｒｉｍｉｎａｎｔ?Ａｎａｌｙｓｉｓ，ＬＤＡ）【６６】??等方法对数据做降维处理。维数约简方法不可避免地破坏原数据的几何结构，在对数据??降维和特征提取的过程中，往往会对原始数据造成一定的损失，在这种情况下，张量以??其不损坏数据的内在结构和潜在信息而受到广泛关注，将数据表示成张量结构，能有效??地解决高阶数据问题张量可以看作是矩阵的多维扩展，因此，延续利用矩阵分解的??联合聚类思想，在对时间、空间、船型、航速等多维数据进行联合聚类时，采用基于张??量分解的联合聚类算法的进行聚类分析，本章只研究三维船舶交通数据的联合聚类，所??以，算法与实验中的数据均为三阶张量。??１２张量分解基础??３．２．１船舶时空数据张量模型概述??张量是多维数组，一阶张量是向量，二阶张量是矩阵，三阶及以上的张量称之为高??阶张量［６７］［６８１，如图３．１所示。??．?三一??二阶张量??（矩阵）??图３．１张量示意图?：??Ｆｉｇ．?３．１?Ｔｅｎｓｏｒ?ｄｉａｇｒａｍ??２２??
基于联合聚类的船舶交通多维模式研宂??符号。为外积，表示每个元素都是对应向量元素的乘积。Ｒａｎｋ－１张量示意图如图３．３??所示。??船舶类型ｓ??—?ｆ?１??Ｉ?１?时间ｔ??Ｘ?Ｖ?Ｉ???Ｙ??船舶位置ｒ??图３．３时空数据Ｒａｎｋ－１张量示意图??Ｆｉｇ．?３．３?Ｒａｎｋ－１?ｔｅｎｓｏｒ?ｄｉａｇｒａｍ?ｏｆ?ｓｐａｔｉｏｔｅｍｐｏｒａｌ?ｄａｔａ??张量ＣＰ分解的主要思想就是将一个张量分解为有限个Ｒａｎｋ－１张量的和。对于Ｗ阶??张量ＸｅｌＲＷ…？，ＣＰ分解示意图如图３．４所示。其中，免为分解得到的Ｒａｎｋ－１张量??的个数，也是张量的秩。??Ｃ，?Ｃ２?Ｃｋ??／／?／Ｉ?／／??Ｃ?Ｉ?Ｉ?＋?ｎ?Ｉ?，?Ｊ?＋?．?．?．?＋?ｎ?Ｉ?Ｉ??＝?二?ｂ．?ｂ２?ｂｋ??Ｘ?／?Ｊ，?１?突?Ｉ??？，?ａ２?ａｋ??．?图３．４张量ＣＰ分解示意图??Ｆｉｇ．?３．４?Ｄｅｃｏｍｐｏｓｉｔｉｏｎ?ｄｉａｇｒａｍ?ｏｆ?ｔｅｎｓｏｒ?ＣＰ??张量ＣＰ分解的目标表达式为：??ｍｊｎ?Ａ＂－》，义之［々ａ，。久。（３．９）??Ｘ?ｒ＝ｌ??其中，／ｌ为归一化系数。利用交替最小二乘（Ａｌｔｅｒｎａｔｉｎｇ?Ｌｅａｓｔ?Ｓｑｕａｒｅ，ＡＬＳ）算法??进行张量分解，以求解矩阵Ｉ的迭代公式为例，对张量分解算法过程进行表述。目标表??２６??
【参考文献】：
期刊论文
[1]基于轨迹段DBSCAN的船舶轨迹聚类算法[J]. 江玉玲,熊振南,唐基宏. 中国航海. 2019(03)
[2]船舶AIS轨迹聚类方法研究进展综述[J]. 徐良坤,任律珍,周世波. 广州航海学院学报. 2019(02)
[3]基于AIS和多尺度空间模型的船舶活动时空特征及潜在压力[J]. 刘柏静,贾静,吴晓青,杜培培. 大连海事大学学报. 2018(03)
[4]基于时空密度的船载AIS数据聚类分析方法研究[J]. 李永攀,刘正江,郑中义. 重庆交通大学学报(自然科学版). 2018(10)
[5]张量分解算法研究与应用综述[J]. 熊李艳,何雄,黄晓辉,黄卫春. 华东交通大学学报. 2018(02)
[6]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)
[7]基于联合聚类与用户特征提取的协同过滤推荐算法[J]. 王玙,刘东苏. 情报学报. 2017(08)
[8]基于L2,p矩阵范数稀疏表示的图像分类方法[J]. 时中荣,王胜,刘传才. 南京理工大学学报. 2017(01)
[9]基于AIS数据的船舶运动模式识别与应用[J]. 魏照坤,周康,魏明,史国友. 上海海事大学学报. 2016(02)
[10]基于AIS数据的船舶领域影响因素分析[J]. 周丹,郑中义. 上海海事大学学报. 2016(02)
博士论文
[1]基于张量的非规则地理时空场数据特征分析方法[D]. 李冬双.南京师范大学 2019
[2]大规模机器学习理论研究与应用[D]. 张利军.浙江大学 2012
硕士论文
[1]基于联合聚类的矩阵分解推荐算法研究[D]. 杨文娟.合肥工业大学 2018
[2]非负矩阵分解在潮汐分析和预报中的应用研究[D]. 李煜.上海海洋大学 2016
[3]基于航海大数据的航道拥堵状态识别研究[D]. 张靖靖.哈尔滨工程大学 2016
[4]基于非负张量分解的多通道音频信号盲分离研究[D]. 王珊.东南大学 2015
[5]基于AIS信息的船舶轨迹聚类模型研究[D]. 肖潇.集美大学 2015
[6]移动对象的时空轨迹聚类算法研究[D]. 何苗.兰州大学 2013
[7]基于AIS数据的船舶会遇特征研究[D]. 任亚磊.武汉理工大学 2013
[8]联合聚类算法研究及应用[D]. 王跃.浙江大学 2012
[9]数据挖掘技术在海上交通特征分析中的应用研究[D]. 林祎珣.集美大学 2011
[10]加稀疏约束的非负矩阵分解[D]. 张宇飞.大连理工大学 2010
本文编号：2937795
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
图１．１论文组织结构??Ｆｉｇ．?１．１?Ｐａｐｅｒ?ｏｒｇａｎｉｚａｔｉｏｎ?ｓｔｉ＊ｕｃｔ＼ｉｒｅ??
基于联合聚类的船舶交通多维模式研宄??３三维船舶交通数据联合聚类算法??３．１引言??船舶ＡＩＳ数据中除了空间与时间的数据，还包含了丰富的数据类型，数据之间存在??着多元关系，从中可以发现更多更详细的信息。传统的信息数据处理方式是向量或者矩??．?阵，但对于复杂的多维数据，很明显这些方法不足以应对。在数据规模增大时，维度越??高，数据处理难度越大，计算复杂通常会带来“维数灾难”，为了避免这个问题，学者??们通常会利用?ＩＣＡ［６４］、ＰＣＡ［６５】、线性判别分析．（Ｌｉｎｅａｒ?Ｄｉｓｃｒｉｍｉｎａｎｔ?Ａｎａｌｙｓｉｓ，ＬＤＡ）【６６】??等方法对数据做降维处理。维数约简方法不可避免地破坏原数据的几何结构，在对数据??降维和特征提取的过程中，往往会对原始数据造成一定的损失，在这种情况下，张量以??其不损坏数据的内在结构和潜在信息而受到广泛关注，将数据表示成张量结构，能有效??地解决高阶数据问题张量可以看作是矩阵的多维扩展，因此，延续利用矩阵分解的??联合聚类思想，在对时间、空间、船型、航速等多维数据进行联合聚类时，采用基于张??量分解的联合聚类算法的进行聚类分析，本章只研究三维船舶交通数据的联合聚类，所??以，算法与实验中的数据均为三阶张量。??１２张量分解基础??３．２．１船舶时空数据张量模型概述??张量是多维数组，一阶张量是向量，二阶张量是矩阵，三阶及以上的张量称之为高??阶张量［６７］［６８１，如图３．１所示。??．?三一??二阶张量??（矩阵）??图３．１张量示意图?：??Ｆｉｇ．?３．１?Ｔｅｎｓｏｒ?ｄｉａｇｒａｍ??２２??
基于联合聚类的船舶交通多维模式研宂??符号。为外积，表示每个元素都是对应向量元素的乘积。Ｒａｎｋ－１张量示意图如图３．３??所示。??船舶类型ｓ??—?ｆ?１??Ｉ?１?时间ｔ??Ｘ?Ｖ?Ｉ???Ｙ??船舶位置ｒ??图３．３时空数据Ｒａｎｋ－１张量示意图??Ｆｉｇ．?３．３?Ｒａｎｋ－１?ｔｅｎｓｏｒ?ｄｉａｇｒａｍ?ｏｆ?ｓｐａｔｉｏｔｅｍｐｏｒａｌ?ｄａｔａ??张量ＣＰ分解的主要思想就是将一个张量分解为有限个Ｒａｎｋ－１张量的和。对于Ｗ阶??张量ＸｅｌＲＷ…？，ＣＰ分解示意图如图３．４所示。其中，免为分解得到的Ｒａｎｋ－１张量??的个数，也是张量的秩。??Ｃ，?Ｃ２?Ｃｋ??／／?／Ｉ?／／??Ｃ?Ｉ?Ｉ?＋?ｎ?Ｉ?，?Ｊ?＋?．?．?．?＋?ｎ?Ｉ?Ｉ??＝?二?ｂ．?ｂ２?ｂｋ??Ｘ?／?Ｊ，?１?突?Ｉ??？，?ａ２?ａｋ??．?图３．４张量ＣＰ分解示意图??Ｆｉｇ．?３．４?Ｄｅｃｏｍｐｏｓｉｔｉｏｎ?ｄｉａｇｒａｍ?ｏｆ?ｔｅｎｓｏｒ?ＣＰ??张量ＣＰ分解的目标表达式为：??ｍｊｎ?Ａ＂－》，义之［々ａ，。久。（３．９）??Ｘ?ｒ＝ｌ??其中，／ｌ为归一化系数。利用交替最小二乘（Ａｌｔｅｒｎａｔｉｎｇ?Ｌｅａｓｔ?Ｓｑｕａｒｅ，ＡＬＳ）算法??进行张量分解，以求解矩阵Ｉ的迭代公式为例，对张量分解算法过程进行表述。目标表??２６??
【参考文献】：
期刊论文
[1]基于轨迹段DBSCAN的船舶轨迹聚类算法[J]. 江玉玲,熊振南,唐基宏. 中国航海. 2019(03)
[2]船舶AIS轨迹聚类方法研究进展综述[J]. 徐良坤,任律珍,周世波. 广州航海学院学报. 2019(02)
[3]基于AIS和多尺度空间模型的船舶活动时空特征及潜在压力[J]. 刘柏静,贾静,吴晓青,杜培培. 大连海事大学学报. 2018(03)
[4]基于时空密度的船载AIS数据聚类分析方法研究[J]. 李永攀,刘正江,郑中义. 重庆交通大学学报(自然科学版). 2018(10)
[5]张量分解算法研究与应用综述[J]. 熊李艳,何雄,黄晓辉,黄卫春. 华东交通大学学报. 2018(02)
[6]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)
[7]基于联合聚类与用户特征提取的协同过滤推荐算法[J]. 王玙,刘东苏. 情报学报. 2017(08)
[8]基于L2,p矩阵范数稀疏表示的图像分类方法[J]. 时中荣,王胜,刘传才. 南京理工大学学报. 2017(01)
[9]基于AIS数据的船舶运动模式识别与应用[J]. 魏照坤,周康,魏明,史国友. 上海海事大学学报. 2016(02)
[10]基于AIS数据的船舶领域影响因素分析[J]. 周丹,郑中义. 上海海事大学学报. 2016(02)
博士论文
[1]基于张量的非规则地理时空场数据特征分析方法[D]. 李冬双.南京师范大学 2019
[2]大规模机器学习理论研究与应用[D]. 张利军.浙江大学 2012
硕士论文
[1]基于联合聚类的矩阵分解推荐算法研究[D]. 杨文娟.合肥工业大学 2018
[2]非负矩阵分解在潮汐分析和预报中的应用研究[D]. 李煜.上海海洋大学 2016
[3]基于航海大数据的航道拥堵状态识别研究[D]. 张靖靖.哈尔滨工程大学 2016
[4]基于非负张量分解的多通道音频信号盲分离研究[D]. 王珊.东南大学 2015
[5]基于AIS信息的船舶轨迹聚类模型研究[D]. 肖潇.集美大学 2015
[6]移动对象的时空轨迹聚类算法研究[D]. 何苗.兰州大学 2013
[7]基于AIS数据的船舶会遇特征研究[D]. 任亚磊.武汉理工大学 2013
[8]联合聚类算法研究及应用[D]. 王跃.浙江大学 2012
[9]数据挖掘技术在海上交通特征分析中的应用研究[D]. 林祎珣.集美大学 2011
[10]加稀疏约束的非负矩阵分解[D]. 张宇飞.大连理工大学 2010
本文编号：2937795
本文链接：https://www.wllwen.com/shoufeilunwen/boshibiyelunwen/2937795.html
