基于孤立森林算法的船舶异常行为集成检测

发布时间：2025-01-20 11:20

　　船舶异常行为检测是海上航行安全的重要保障,因此对船舶异常行为进行检测研究不仅能够协助海事部门对水域进行更有效的实时监管,而且能够帮助管理人员对水域内的船舶行为进行更清晰的识别,及时发现船舶的异常运动轨迹与船舶异常运动的位置点,提高水域监管效率。本文主要以船舶异常行为为研究对象,采用孤立森林算法来对船舶异常行为检测的问题进行研究。主要研究方法是先对船舶自动识别系统(Automatic Identification System,AIS)提供的原始数据进行预处理,对船舶轨迹点进行简化、分割后利用基于密度的聚类算法(Density-Based Spatial Clustering of Application with Noise,DBSCAN)对船舶轨迹段进行聚类,从聚类结果中选择出异常的轨迹类、把远离正常类典型轨迹的路线判定为异常轨迹。然后在聚类结果的正常类中加工出表征船舶运动特征的六组特征数据,将孤立森林(Isolation Forest,iForest)算法引入船舶异常行为检测。利用iForest算法模型分别计算六组特征数据的异常分值,再运用集成分析和熵权法综合不同的运动特征得分算出最...

【文章页数】：85 页

【学位级别】：硕士

【部分图文】：

图１．４典型轨迹阈值范围内的检测??Ｆｉｇ．?１．４?Ｄｅｔｅｃｔｉｏｎ?ｏｆ?ａｎｏｍａｌｙ?ｔｒａｊｅｃｔｏｒｙ?ｗｉｔｈｉｎ?ｔｈｒｅｓｈｏｌｄ??［２１］

ｔｒａｊｅｃｔｏｒｙ??２４．３９６?－?？?〇?异常轨迹?Ａｎｏｍａｌｙ?ｓｈｉｐ?ｔｔｒａｊｃｃｔｏｉｙ?ｌ??Ｃｏｎｆｉｄｅｎｃｅ?ｉｎｔｅｒｖａｌ??２４．３９４?－?＜１?＾??％?＃＾ｖ??ｊ?２４３９２??１?，??２４．３８６?－?？??ｉ?，．?ｉ?ｉ?？?ｉ?....

图１．１３不同异常种类数下的性能对比??Ｆｉｇ．?１．１３?Ｃｏｍｐａｒｉｓｏｎ?ｏｆ?ｐｅｒｆｏｍｉａｎｃｅ?ｏ?

．０２??Ｓａｔｅｌｌｉｔｅ?０．４６?１．１７?１．６３?８．５１?８．９７?２１７．３９?＊＊??Ｐｉｍａ?０．１７?０．１１?０．２８?０．０６?０．０６?１．１４?４．９８??Ｂｒｅａｓｔｗ?０．１７?０．１１?０．２８?０．０４?０．０７?１．７７?３．１０??Ａｒｒｈ....

图２．?４船舶回转圈示意图??Ｆｉｇ．?２．４?Ｓｃｈｅｍａｔｉｃ?ｏｆ?ｔｕｒｎｉｎｇ?ｃｉｒｃｌｅ?ｏｆ?ｓｈｉｐ??－３１?－??

?大连海事大学硕士学位论文???Ａｔ?＝?ｔ「ｔ〇?二，?（２．７）??１?３６０ｖ??ｗ?７２ｖ?、??（２－８）??式中ｗ的单位为。，Ｌ的单位为ｍ，？的单位为ｓ，?ｖ的单位为ｍ／ｓ，?ｄｗ的单位为。??／ｓ。删除ＡＩＳ数据中转向率超过范围的数据。??以上步骤把ＡＩＳ数据中最典....

图３．?３?ＶＭＤＬ与ＭＤＬ对比图??

?基于孤立森林算法的船舶异常行为集成检测???，？?？，?，?少?，，Ｊ＊??■，岭?＊?ｆ?／?ｆ??／?／?／?ｉｆｆ?ｉｆ??ｉ?ｉ?ｆｉ?Ｉ?／?／Ｉ?Ｉ?／?／Ｊ??ｔ，／／／／?ｆ?？?ｎ??？?ｉ?ｉ?／?ｉ?ｉ?ｉ?／?＊?‘?ｉ?／??Ｏｒｉｇｉｎａｌ?ｔｒａｊ....

本文编号：4029184