留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

船舶行为异常检测研究进展

陈影玉,  杨神化,  索永峰

downloadPDF
文章导航 > 交通信息与安全  > 2020 >  38(5): 1-11
陈影玉, 杨神化, 索永峰. 船舶行为异常检测研究进展[J]. 交通信息与安全, 2020, 38(5): 1-11. doi: 10.3963/j.jssn.1674-4861.2020.05.001
引用本文: 陈影玉, 杨神化, 索永峰. 船舶行为异常检测研究进展[J]. 交通信息与安全, 2020, 38(5): 1-11. doi: 10.3963/j.jssn.1674-4861.2020.05.001
shu
CHEN Yingyu, YANG Shenhua, SUO Yongfeng. Research Progress of Ship Behavior Anomaly Detection[J]. Journal of Transport Information and Safety, 2020, 38(5): 1-11. doi: 10.3963/j.jssn.1674-4861.2020.05.001
Citation: CHEN Yingyu, YANG Shenhua, SUO Yongfeng. Research Progress of Ship Behavior Anomaly Detection[J]. Journal of Transport Information and Safety, 2020, 38(5): 1-11. doi: 10.3963/j.jssn.1674-4861.2020.05.001
shu

船舶行为异常检测研究进展

doi: 10.3963/j.jssn.1674-4861.2020.05.001

  • 集美大学航海学院 福建 厦门 361021

  • 集美大学航海学院 福建 厦门 361021

  • 集美大学航海学院 福建 厦门 361021

基金项目: 

国家自然科学基金项目

福建省自然科学基金项目

详细信息

  • 中图分类号: U675.7

Research Progress of Ship Behavior Anomaly Detection

    摘要
  • 摘要: 船舶行为异常检测对于海上安全、海域的智能监管具有重要意义.异常检测算法不能满足轨迹大数据挖掘在实时性、准确性和鲁棒性等方面的需求.将异常行为进行分类,分析目前几类主要的异常检测方法:统计分析在对数据分布做出正确假设时根据概率分布获取异常情况,确定合适的异常阈值较为困难;预测法基于对历史数据的了解程度,易受多种因素影响;机器学习依赖数据特征、计算复杂度高.基于此,总结可能提高统计分析、机器学习和预测法检测效果的方法,指出将在线实时检测引入船舶检测,并展望数据处理、轨迹表示、挖掘分析和情境语义在异常检测中的可能研究方向.

     

    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献
  • 资源附件(0)
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  681
  • HTML全文浏览量:  104
  • PDF下载量:  14
  • 被引次数: 0
出版历程
  • 刊出日期:  2020-10-28

目录

    /

    返回文章
    返回

    版权所有《交通信息与安全》编辑部鄂ICP备05003336号-2

    通信地址：湖北省武汉市武昌区和平大道1178号，武汉理工大学余家头校区 (430063)

    联系电话：027-86580355电子邮箱：jtjsj@vip.163.com

    本系统由 北京仁和汇智信息技术有限公司 开发