论文部分内容阅读
近年来，随着海上反恐、国际海域争端等问题日益突出，我国的海上安全保障形势日益严峻，海洋安全已成为国家安全的重要组成部分。对船舶快速有效的识别、定位与追踪是对船舶进行有效管控进而实现海洋安全保障和海上态势评估的重要依据。由于船舶的集群行为包含了更多的宏观信息，所以对船舶的监管不仅仅局限于单艘船舶，对船队的监控也是船舶管控中的重要内容。相应地，船舶分类识别任务不仅包括对船舶单体的识别，还包括对船队等船舶群体的分类。已有的自动船舶分类识别系统缺少对船队的分类功能，对于船舶的单体识别也不够准确，迫切需要研发新的自动船舶分类识别技术，全面挖掘船舶信息，有效提高识别准确率。目前船舶上都装备有多种类型的传感器，因而船舶管控部门能通过遥感、AIS等多种手段获取到船舶的特征数据。特征数据包括时间特征、空间特征及吃水深度、对地航速等参数特征，为从特征层面对船舶进行分类识别提供了数据基础。 针对上述问题，本文基于特征数据研究了船舶多层级分类识别技术，并在两个层级上分别提出了船舶的分类识别算法。其中在第一层级上提出了船舶的单体型识别算法，即辨别出单条船舶类型乃至具体型号，在第二层级上提出了船舶的集合型分类算法，即将经常以船队形式出海的船舶作为一个整体分类到一个集合中。此外，基于所提算法本文设计实现了一个船舶多层级分类识别系统。通过船舶的多层级分类识别，加强了船舶异常行为的识别功能，提高了对重点船舶的监管能力，同时为发掘海洋贸易等深层隐含信息提供了基础。 本文主要工作和贡献可以归纳为以下四点: 1)提出一种基于船舶参数变化规律的提取算法 为了对每类船舶历史参数值的变化规律进行提取，提出一种基于船舶参数变化规律的提取算法。该算法首先对参数异常的船舶数据进行了过滤，减少了噪声数据的干扰;然后进行参数跳变模式的挖掘，提取出船舶多组参数联合变化的范围与规律;接着进行趋势编码模式的挖掘，全面刻画出参数变化曲线的升降趋势、变化幅度及拐点等信息。实验结果表明，所提算法运行时间约为83秒，满足系统的设计要求。 2)提出一种基于空间位置和参数特征的船舶单体型识别算法 为了对船舶进行单体型识别，提出基于空间位置和参数特征的船舶单体型识别算法。该算法首先基于Kd-Tree结构建立了空间索引，提高了处理效率;然后分别实现船舶的点聚类和轨迹聚类，将未知船舶归类到周围已识别船舶的海域中;接着对处在多个聚类区域中的未知船舶进行船舶参数特征的匹配，从而完成船舶的单体型识别。实验结果表明，所提算法的准确率不低于80％，建立空间索引后算法运行时间有了显著提升。 3)提出一种基于时空共现模式挖掘的船舶集合型分类算法 为了对船舶进行集合型分类，提出基于时空共现模式挖掘的船舶集合型分类算法。该算法首先通过划分时间槽解决了船舶获取时间不一致的问题;然后通过空间共现模式的挖掘对船队进行了第一级筛选;接着通过时间共现模式挖掘完成第二级筛选，得到船队的频繁二项集;最后基于Apriori算法生成船队的频繁多项集。实验结果表明，所提算法的准确率优于已有算法，运行时间不超过100秒，满足系统的设计要求。 4)设计并实现船舶多层级分类识别系统 为了支持从数据接入到识别结果展示入库的完整业务流程，设计并实现船舶多层级分类识别系统。该系统主要包括数据存储访问、数据可视化、数据预处理、船舶参数变化规律提取、船舶单体型识别、船舶集合型分类等功能。实验结果表明，该系统分类识别的准确率与运行时间均满足系统的设计要求。