陈昊[1]2004年在《基于AIS的分类算法研究》文中进行了进一步梳理目前，AIS作为计算智能研究的一个崭新分支，已在数据挖掘、机器学习、自动控制、故障诊断等诸多领域显示出强大的信息处理和问题求解能力以及广阔的研究前景。而采用AIS模型来完成数据挖掘任务的研究目前主要集中在数据聚类分析、数据浓缩，分类任务等方面。 本文的工作吸收了来自人工免疫系统中的免疫识别的灵感，给出了一种基于AIS的数据挖掘分类算法。该算法的问题表示采用了二进制的位串编码方式，把从问题空间提取的属性当做基因对待，属性间特定的组合就形成了染色体，算法的主要特点就是多次使用了阴性选择机制来充当过滤器。该算法先从预先选定的一类样本中生成规则集，在这过程中使用了阴性选择算子淘汰了一部分能够发生免疫识别的个体，然后通过引入了阴性选择算子的遗传算法加以进化，输出最终的规则集，最后使用了一组UCI数据库中的数据完成了算法的仿真实验，实验的结果表明该算法具备较好的分类性能。
张晖[2]2016年在《舰船目标多手段数据融合探测方法研究》文中提出海洋管理对于国家经济和安全有着十分重要的作用,舰船管理是海洋管理的主要工作之一。实时准确地获取海洋监管区域的舰船分布和有效评估舰船运动的态势是舰船有效管理的基础。星载合成孔径雷达(Synthetic Aperture Radar,SAR)、高频地波雷达(High Frequency Surface Wave Radar, HFSWR)和自动舰船识别系统(Automatic Identification System, AIS)是目前大范围海上目标监测的主要传感器。星载SAR不受天气限制、探测精度高,但是只能在卫星过境时刻进行探测；高频地波雷达可以连续探测且速度探测精度高,但是目标定位精度较低；AIS可以提供详细的舰船位置、速度、航向等信息,但是只能对合作舰船进行监测。叁种探测手段各有其优缺点,仅仅通过单一传感器无法获得舰船的准确信息。本文研究的主要课题是如何有效地融合利用叁种探测手段的测量值来提高舰船探测精度,针对星载SAR、高频地波雷达和AIS的舰船目标点迹关联、目标跟踪、航迹关联等多个问题展开研究,主要研究内容如下：1.为了解决密集分布情况下的高频地波雷达和AIS点迹关联问题,提出-种基于JVC (Jonker-Volgenant-Castanon)的全局最优点迹关联算法。首先,将WGS84 (World Geodetic System 1984)坐标系下测量的AIS的点迹坐标映射到高频地波雷达测量极坐标中,实现了坐标系的统一。其次,建立高频地波雷达和AIS点迹关联模型,采用点迹对阈值和迭代搜索算法将关联数据集划分为可行的关联子集。最后,将JVC全局最优关联算法应用于每一个可行关联子集的点迹关联上,解决密集环境中的雷达和AIS点迹关联问题。仿真数据结果显示该算法在精度上优于最近邻算法和联合概率数据关联(Joint Probability Data Association, JPDA)算法,在运行效率上高于JPDA算法,另外,通过叁年的实测数据实验验证了算法的适用性和实时性。2.针对星载SAR、高频地波雷达和AIS点迹的关联问题,提出一种多特征改进的最大似然点迹关联算法来提高关联精度,降低虚警。测试的多特征参数包括舰船的位置、大小、航向和速度。基于叁种传感器测量模型,将星载SAR、高频地波雷达和AIS的点迹关联问题建模为一个多维分配问题。在数据分配过程中,JVC算法用来解决二维分配问题,拉格朗日松弛算法用来解决叁维分配问题。仿真结果显示使用长度和速度作为扩展特征的多特征最大似然关联算法相比最近邻算法和位置最大似然算法可以提供更高的关联精度。实测数据实验验证了所提算法可以增强目标的确认并降低虚警。3.针对高频地波雷达单频率目标跟踪的海杂波速度盲区问题,提出一种基于AIS校准的双频融合探测算法。AIS信息可以用来估计地波雷达的每个频率不同的系统误差。首先,将合作目标的AIS点迹测量值与高频地波雷达的点迹测量值通过JVC分配算法进行点迹关联。利用合作舰船的点迹关联结果,可以估计和校准高频地波雷达不同频率的系统误差。其次,基于校准的双频数据,使用双频融合JPDA-UKF (Unscented Kalman Filter)算法进行舰船跟踪。实测数据的实验结果验证了所提算法可以实时跟踪舰船,相比单频率跟踪可以进一步提高跟踪能力和跟踪精度。4.针对高频地波雷达和AIS航迹关联问题,鉴于航迹的不同特点,提出一种多模型航迹关联算法。首先,根据舰船的转向率和对地航向将航迹分成不同的航迹类型,直线航迹和变向航迹。然后,对变向航迹进行航迹分割,分割成近直线航迹。最后,采用航迹间的径向距离、方位向和径向速度的叁维加权相似度作为特征向量来进行全局航迹关联。实测数据实验证明,算法可以在多条航迹密集关联时,有效提高关联的精度。对于变向航迹,通过AIS航迹分割和分段关联,可以有效解决高频地波雷达目标丢失而引起的分段航迹的关联问题。
邓泽林[3]2013年在《人工免疫网络分类器的设计及其应用研究》文中进行了进一步梳理人工免疫系统(Artificial Immune System, AIS)是一种新的软计算技术,在过去的十多年间得到了迅速的发展。由于具有强大的信息处理能力,AIS被广泛应用于各种领域,尤其是机器学习中的分类问题。在AIS的所有的模型中,免疫网络能够快速、有效地归纳训练空间,因此,基于AIS的分类器大多是采用免疫网络来设计和实现的。虽然免疫分类器在实际应用中取得了较大的成功,但是这些分类器也存在问题,限制了分类器的分类性能。这些问题包括：1、没有考虑细胞之间的相互关系对分类性能的影响,记忆细胞的确定缺乏有效的指导；2、没有对训练空间进行适当的转换,分类学习直接在输入空间中进行,限制了算法的能力；3、有些系统采用线性机制来控制抗体群体的进化,难以对抗体群体的进化产生有效的扰动,影响了算法的精细搜索能力；4、记忆细胞群体的产生过于随机,算法没有有效的细胞质量评估和淘汰机制；5、在使用批量训练方法时,抗体群体的进化缺乏有效的指导,使得抗体群体的组合空间过大而难以搜索到优化的分类器。为了改善人工免疫分类器的问题,本文提出了基于抗原对的训练方法、记忆细胞剪切方法、核空间以及模糊逻辑等方法,并结合免疫网络高效的归纳能力来设计分类器。具体细节描述如下：1、提出了一种新的训练方法,该方法利用抗原对来指导记忆细胞的生成。对于每一个训练抗原,确定与训练抗原最近且不同类的抗原为其对偶抗原,并以训练抗原为中心,抗原对距离一半为半径确定候选细胞区域。当抗体群体在进化的过程有抗体出现在该区域时结束对训练抗原的训练,并确定候选细胞区域中距离对偶抗原最近的抗体为记忆细胞。这种训练方法不仅考虑到了抗体-抗原之间的相互关系,还考虑到了细胞之间的相互位置关系对分类性能的影响,有利于搜索到更优的分类器。算法被用于6个人工数据集以及5个UCI数据集的分类,同时,该算法被应用于语音情感识别。算法的分类结果与支持向量机SVM、决策树算法C4.5、BayesNet等着名算法的分类结果进行了比较,结果显示该算法对于这些问题具有良好的分类性能。2、提出了一种基于核函数的人工免疫识别系统。在传统的人工免疫识别系统AIRS中,抗体-抗原的亲和度采用Euclidean距离来表示,这种线性空间的表示机制限制了算法的非线性能力。通过使用核函数,将训练空间由输入空间转换至高维的特征空间,改善算法的非线性能力。同时,对记忆细胞群体中的每个细胞进行质量评估,淘汰完全不能识别近邻抗原的弱细胞。算法被用于5个UCI标准数据集的分类,同时,算法被应用于肝炎和心脏病的诊断,诊断结果通过混淆矩阵和AUC指标加以评估。通过比较本文算法与其他算法的分类性能,发现本文算法获得的分类准确率不仅显着高于AIRS获得分类准确率,而且也优于参与比较的经典分类算法达到的分类准确率。3、传统AIRS采用的线性资源分配方法难以对抗体群体的进化产生有效的扰动,不利于算法对训练空间进行精细搜索。本文提出2种非线性资源分配方法来改善算法性能,即离散资源分配方法和模糊逻辑资源分配方法。离散资源分配方法将整个刺激度区间离散为若干个子区间,并为位于相同子区间的抗体分配等量资源,这样即可在资源数量不变的情况下仅通过优化子区间数量来改变资源分配结果,实现对抗体群体生成的扰动,提高算法的精细搜索能力。模糊逻辑资源分配方法将模糊逻辑表示为一个参数,这样就不需要根据不同的问题预先设计模糊逻辑,而仅通过改变参数即可实现模糊逻辑的搜索,改善算法的精细搜索能力。最后,算法对记忆细胞进行适应度评估,并通过淘汰适应度偏低的记忆细胞来进一步优化分类器。算法被应用于6个标准UCI数据集的分类测试,结果显示算法具有良好的分类性能。同时,算法被应用于心脏病、糖尿病和乳腺癌3种疾病的诊断,诊断结果通过AUC和混淆矩阵进行检验,结果显示算法对这3种疾病的诊断性能良好。最后,将算法应用于银行用户信用分析,通过比较发现算法在用户信用评估方面也有良好的性能。4、免疫网络分类算法大多采用增量式训练方法,这种方法虽然可以为每个抗原产生一个优化的记忆细胞,但不能保证获得优化的记忆细胞群体,为此,提出了一种基于禁忌搜索策略的免疫网络分类算法。算法采用批量式训练方法,该方法将抗原整体提呈给抗体群体,并通过评估抗体群体整体质量来进化分类器。为了有效减少搜索空间,类域内部区域被禁止产生同类抗体,这样,抗体的生成被主要限制在类域分界线附近。同时,评估抗体的适应度,淘汰类域分界线附近低适应度的抗体,使得抗体群体能够较好地归纳抗原空间,更好地反映抗原空间的局部特征。算法被应用于4个UCI数据集的分类测试,结果显示算法具有优良的分类性能,特别是对Wine数据集,算法的分类准确率达到了100%。同时算法被应用于语音情感识别,以及肝炎和乳腺癌的疾病诊断,结果显示算法对于这些问题具有良好的分类性能。
严忠贞[4]2013年在《内河在航船舶动态跟踪和航迹融合方法研究》文中认为随着我国内河航运的蓬勃发展,水上运输任务日益繁重。内河各港口的吞吐量急剧增加,船舶流量和船舶密度也不断加大,导致航运事故发生的风险加剧,对内河在航船舶的动态跟踪和实时监控显得尤为重要。近年来,船舶交通管理系统(VTS)中雷达、船舶自动识别系统(AIS)、电子海图信息显示系统(ECDIS)等智能化的监控设备在内河海事监管中得到积极应用。雷达是跟踪船舶的最佳选择,但是在盲区会失去跟踪能力且不能识别船舶类型；AIS可以提供船舶的动态、静态信息,可以较好地识别船舶类型,但是由于其安装成本较高,在内河总吨位300以下的中小船舶没有配备；安装价格便宜,技术成熟的视频监控技术可为监控内河船舶提供另一种手段,但是其只能在航道的有限范围内获得信息。因此,在探讨基于视频的内河在航船舶目标识别和跟踪方法的基础上,应用视频、AIS、雷达等叁种方法对船舶轨迹进行融合,提高内河在航船舶跟踪的可靠性和准确性,这对内河在航船舶的实时监控具有重要的学术和应用价值。本文的主要工作和创新如下：(1)基于视频的内河在航船舶目标识别方法研究：针对视频监控中运动目标的提取问题,提出一种基于改进相邻帧差法和Hu不变矩特征的运动目标识别方法。利用二维小波变换方法对采集到的视频图像进行去噪得到平滑的目标图像,采用连续帧间差分法处理图像得到运动区域,对当前帧目标进行Canny边缘检测得到边缘信息,两者检测结果相与得到运动目标边缘；提出一种改进的Hu不变矩目标图像特征提取方法提取目标图像的不变矩特征；设计一种基于优化权值附加动量因子的BP神经网络作为模式识别器,实现运动目标的自动识别。(2)基于视频的内河在航船舶跟踪方法研究：针对目标的实时跟踪问题,结合内河船舶运动特性提出一种自适应带宽的Mean-shift目标跟踪算法,通过尺度检测的方法选择窗宽更新算法,解决了传统的基于Mean-shift目标跟踪算法中的固定核窗宽问题,可以随着运动目标尺寸的变化而变化,实现运动目标的实时跟踪,提高了目标跟踪的准确性和可靠性。(3)视频、AIS、雷达轨迹融合方法研究：通过分析AIS、雷达两种系统采集的船舶信息特性,考虑AIS和雷达融合过程中所有可能出现的结果,建立船舶位置判定的识别框架。利用卡尔曼滤波算法对不同证据依据其重要性设置可信度,给出可信度公式,确定AIS和雷达的动态可信度,再用组合规则进行融合。然后应用获得的视频船舶运动轨迹对AIS、雷达融合结果进行修正,消除异常数据,得到更为准确的船舶运动轨迹,提高运动目标的识别率。
刘思源[5]2012年在《基于人工免疫系统的自然图像分类算法与技术研究》文中研究指明网络和多媒体技术的飞速发展为数字图像的存储和传播提供了极大的便利,仅依靠人力无法完成海量图像数据的及时归档、组织和管理。如何利用如此众多的图像信息并从中定位感兴趣的材料,是对图像信息的查询技术提出的重大挑战。作为计算智能的一个崭新分支,AIS算法还没有一个通用的算法框架,而且免疫系统的许多优良特性还有待应用于AIS算法的设计与应用,人工免疫算法的发展和应用空间是相当广阔的。论文借鉴AIS在其它领域的用法,不断完善其对图像分类的应用。首先,论文在相关理论与算法的基础上,提出了基于人工免疫系统的自然图像分类算法。设计了利用人工免疫算法进行自然图像分类之前,首先需要将待解决的问题抽象成符合它能处理的抗原形式。同时分析了抗原捕获和亲和度度量。进行了抗原刺激方式及识别策略与克隆选择与变异分析,最后进行了算例分析,算例环境选取了图像库由1000幅自然图像组成,包括非洲生活、车、恐龙、花、马、风景、食物、摩托车、飞机、人脸10类题材。通过分块权值与特征权值的分析,证明了本算法具有最高的平均正确率为88.68%,分类效果令人满意。其次,论文提出了基于颜色分布熵的自然图像分类技术。首先论文分析了颜色空间分布熵,其次分析了图像信息熵,包括了颜色的空间分布熵、加权的空间分布熵与基于颜色分布熵的自然图像分类算法。为有效地利用两种特征进行图像分类,在度量向量相似性时可采用加权综合距离法。最后是技术实验分析,实验证明,该特征同时顾全了图像中颜色的整体特性和分布特征,比全局直方图和I-CDE具有更好的分类性能。而且相比I-CDE,该方法的计算复杂度更低,大大节约了提取特征的时间。AIS作为一种基于生物免疫系统的智能计算方法,为分类提供了一种新颖的解决方法和途径。在此基础上,论文引入了分块权值以消除熵对称性的影响。实验表明,结合分布熵与全局颜色直方图作为图像分类的特征向量,分类准确率有所提高。
李星蕊[6]2012年在《基于人工免疫系统和内容的自然图像分类技术研究》文中研究说明自然图像分类在大量领域中都是一项关键任务,包括图像情报、网络图像检索、视频分析、因特网数据过滤等等,具有广阔的应用前景。随着互联网的快速发展,数字图像的数量正成爆炸式增长,如何实现快速高效的自然图像分类成为一个具有重要现实意义的课题。目前关于图像分类的研究主要体现在以下两个方向：一是应用新的分类理论；二是从图像中提取新信息和新特征进行分类。本文针对这两个方向展开研究,主要工作内容和成果体现如下：(1)提出了一种新的基于人工免疫系统的图像分类算法。该算法在克隆选择算法的基础上引入能有效减少抗体冗余的抗原一次性提呈的刺激方式,并重新制定了抗体识别抗原的规则。当所有抗原刺激完毕后,选择优良抗体进行克隆变异。算法在选择机制中增加了基于抗体浓度的概率因子,同时改进了克隆变异率的自适应性和变异方式,提高了算法的最优解搜索能力。自然图像的分类实验表明,新算法具有较短的寻优时间和较高的平均分类精度。(2)提出了一种基于信息熵的颜色空间分布特征。该方法首先计算图像的全局颜色直方图；然后对图像进行不均匀分块并统计每种颜色在各分块中的分布,依据视觉特性和信息熵的对称性特点,提出了以加权分布熵作为分类判断的另一特征。本文分析了权值最优选择问题,并证明该方法计算复杂度低。基于本文所提出的人工免疫分类算法进行分类表明,该特征能有效弥补全局直方图无法描述颜色分布特征的缺陷；通过采用分块加权消除了熵对称性的影响,分类表现明显优于未加权的分布熵。
李洁[7]2004年在《基于自然计算的模糊聚类新算法研究》文中研究表明数据挖掘技术是近年来国际上在信息决策领域最前沿和最活跃的研究方向之一。作为数据挖掘的一种强有力的分析工具，聚类分析得到了人们的广泛关注。聚类分析是多元统计分析的方法之一，也是统计模式识别中非监督模式分类的一个重要分支，近二十年来得到了迅猛的发展，有许多聚类分析新算法不断被提出。 自然计算是目前新兴的一类计算方法，它以自然界，特别是生物体的功能、特点和作用机理为基础设计出的计算模型。它具有自适应、自组织、自学习等能力，能够解决传统计算方法难于解决的许多复杂问题，因而近年来成为研究的热点，并在诸多领域中得到了广泛的应用。 针对现有聚类分析算法在数据挖掘应用中存在的不完善甚至严重不足之处，本文结合自然计算方法，对传统模糊聚类算法进行较为系统的改造和革新，主要探讨了有关具有混和属性特征数据的聚类算法目标函数的定义以及优化方法，提出了适合大数据集的网络结构聚类新算法，扩展了聚类分析的应用范围，并构造了适合于数据挖掘的新的聚类有效性函数。实验结果表明，本文提出的一系列有关模糊聚类分析的新思想和新方法都取得了良好的效果。 归纳起来，本文的研究成果主要表现在以下几个方面： 1．定义了一个新的相异性匹配测度，修正了传统聚类算法的目标函数——类散布矩阵的迹，将数据集中不同属性特征相结合，构成新的聚类目标函数，使得其能够适合混合类属特征的数据，并利用遗传算法对其进行优化，克服传统的模糊κ-均值(FKM)算法对原型初始化敏感的缺点，使得算法能够以较高的概率收敛到全局最优解。 2．利用人工免疫系统中着名的克隆选择算法改进遗传算法，避免了遗传算法中可能出现的早熟现象，同时由于基于克隆算子的克隆选择算法是群体搜索策略，本质上固有并行性和搜索变化的随机性，在搜索中不易陷入局部极值，最终能以概率1获得问题的全局最优解，而且收敛速度比遗传算法更快，因此更加适合大数据集的聚类分析。 3．结合人工免疫系统中免疫网络理论，提出用免疫网络来进行聚类分析，由于所获得的网络神经元代表了数据子集中的典型样本，因而可以用来产生相应的数据子集；通过最小生成树对获得的网络神经元的连接权进行分析，最终自动解决了FKM类型算法需要事先输入类别数以及聚类原型必须一致的难题。 4．借鉴生物免疫系统的免疫应答中禁忌克隆的现象，提出禁忌克隆算法，并与克隆选择算法相结合，形成基于克隆算法的网络结构聚类分析新算法。由于新算法将克隆选择与禁忌克隆相结合，使得到的网络即具有免疫的特异性又具有免疫耐受性，因此具有有效的清晰网络结构，从而使网络结构聚类算法对数据集边界点以及噪声点不再敏感。 5.利用免疫系统中有限资源理论，设计了一种模糊识别球，使其作用范围随刺激水平的变化而变化，通过对B细胞的竞争，将刺激水平低的识别球清除，使网络对模糊边界点不敏感，从而能够代表各类的典型样本，使得到的网络具有清晰的结构，同时大大提高运算效率，解决了网络规模随迭代次数以及运行时间随数据量呈指数增长这一难题，使基于网络结构的聚类算法更适合大数据集聚类分析。 6.由于对聚类分析而言，聚类有效性问题经常可以转化为最佳类别数k的自动确定。所以我们提出划分模糊度这一新概念，同时兼顾数据集的模糊划分信息和几何结构信息，将模糊划分嫡与划分模糊度相结合，定义了一种修正的划分模糊度作为聚类有效性函数。这种新的聚类有效性函数不仅能够有效地分析数值型数据分类结果的合理性，而且对类属型数据也是有效的。并基于此，提出两种分别适合于数值型数据和类属型数据的参数优选方法。 本文的工作受到国家自然科学基金和国家“863”计划的资助。关键词:数据挖掘，模糊聚类分析，自然计算，数值特征，类属特征，克隆选择， 禁忌克隆，模糊识别球，聚类有效性
范玉宏[8]2006年在《人工免疫系统架构及其在Modis数据分类中的应用研究》文中指出人工免疫系统(Artificial Immune Systems,简称AIS)是由生物免疫系统启发而来的计算系统,它借鉴了一些免疫系统的功能、原理和模型并用于解决工程实际问题。它是继遗传算法和人工神经网络后又一受生物信息处理机制启发的计算范式。作为人工免疫系统的核心,已有的免疫算法主要有否定选择算法、克隆选择算法和人工免疫网络等。但是,这些免疫算法大都受理论免疫学或者免疫系统某一特定信息处理机制启发,不具有免疫系统的整体特性,仍然有很多免疫机制未被利用。同时,在现有的研究中,只要是受免疫系统启发而设计的系统都被称为人工免疫系统,缺乏一个统一的架构。针对这种现状,本文以设计免疫系统整体算法,构建人工免疫系统的统一架构为主要研究目标。为了验证算法的有效性和拓展人工免疫系统的应用领域,本文将人工免疫系统应用于MODIS数据宏观土地覆盖分类,为这一领域开拓了新的研究思路。本文在全面深入地分析了生物免疫系统的基础上,提取了免疫系统所具有的重要隐喻。为进一步研究分析和设计人工免疫系统整体算法奠定了基础。这些隐喻包括基于互补匹配的模式识别、自己/非己识别、基于级连的监督调节机制、基于单克隆选择的多样性产生和特异性识别机制、基于记忆的强化学习机制、基于联想记忆的网络保持机制、以有限的资源识别近乎无限模式的形状空间理论。基于以上的免疫隐喻,在借鉴了免疫系统识别并消灭抗原的过程的基础上,本文提出了免疫系统整体算法(Framework of Immune Algorithm,简称FIA)。参照免疫应答的四个阶段,免疫系统整体算法也包括四个阶段。初始化阶段为确定工程实际问题在免疫系统的映射,即确定系统组件;识别阶段为确定系统组件的亲和力度量;进化阶段为算法的核心阶段,用于搜索问题的解或解的特征值;效应阶段具体解决问题。该算法充分利用了免疫系统具有的信息处理特性,针对不同的具体问题可以有不同的实现方式。本文提出了免疫系统的整体架构。人工免疫系统的叁层次架构勾画了人工免疫系统的一般结构,给出了人工免疫系统的叁个构成要素。其第一个层次为系统的组件表示,第二个层次为系统组件间距离的度量。系统的组件表示就是免疫系统的各细胞和分子在人工免疫系统中的映射。系统组件间距离的度量又称作组件间的模式匹配,它描述了系统组件间的模式匹配方式。最后一个层次为免疫算法,它描述的是免疫系统组件间的相互作用方式。作为人工免疫系统叁层次的核心,免疫算法是人工免疫系统解决工程问题的具体方法实现。以人工免疫系统叁层次架构为指导,本文将免疫系统整体算法在数据分类领域内实现,提出了基于人工免疫系统的数据分类算法。该算法用基于Chi-squared距离度量的局部特征相关性分析模拟T细胞监督机制,提高了分类精度。通过试验对该方法的性能和特点的探讨,证明了这是一个有效的数据分类方法。本文将人工免疫系统应用于遥感数据处理,对使用MODIS数据进行土地覆盖分类进行了深入的研究。MODIS虽然较TM影像分辨率低,但其具有多光谱,多时相,易获取等优点,用于对宏观土地覆盖研究具有重要的意义。本文将基于人工免疫系统的免疫算法应用于MODIS数据分类,结果证明这种方法都能提高分类精度。在分类过程中,本文充分利用MODIS数据多时相的特点,提取了4个时相的植被指数,水体指数和土壤亮度指数参与分类,结果证明前两种能明显提高了分类精度而土壤亮度指数对分类精度没有多大影响。
林明亮[9]2016年在《基于AIS的船舶轨迹聚类原型系统设计与实现》文中提出目前,装载自动识别系统(Automatic Identification System,AIS)设备的船舶数量越来越多,然而通过船舶AIS设备定位出来的轨迹数据只能反映出船舶的经纬度、采样时刻、瞬时速度以及航向等信息,无法反应出船舶航行的特征信息,然而这些信息对于海上交通的规划、管理、控制又是非常重要的。因此,本文在Eclipse软件上采用Java语言设计并实现了船舶轨迹聚类原型系统对船载AIS设备定位出来的轨迹数据进行挖掘与分析,进而获得船舶的行为规律。本文首先对国内外的轨迹聚类方法以及AIS数据挖掘应用现状进行文献调研。然后,在数据挖掘技术和航海相关理论的基础上,给出了船舶轨迹聚类原型系统的总体设计方案。系统设计采用层次及模块化设计原则和思路,将原型系统设计为数据源层、数据处理与挖掘层以及用户界面层叁个层次。数据源层主要包括AIS数据库模块,此模块为原始轨迹数据、预处理后的子轨迹数据以及停泊点数据提供存储空间,并为上层提供数据查询、更新、删除以及插入等功能。数据处理与挖掘层包括AIS数据预处理模块和AIS数据挖掘模块,其中,AIS数据预处理模块的功能是去除冗余的AIS数据、过滤漂移和异常的AIS数据、添补缺失的AIS数据以及分离AIS数据。AIS数据挖掘模块一方面对船舶停泊点进行聚类,从而发现船舶的兴趣区域,并计算其兴趣度;另一方面对航行子轨迹经过划分而产生的轨迹了段数据进行聚类,并提取簇内典型的代表轨迹,进而发现船舶热门航线。用户界面层包括用户交互输入以及数据挖掘结果输出两方面功能。最后,以某海事局提供的真实AIS数据为实验数据,对原型系统的AIS预处理模块进行测试,测试结果表明此模块的符合设计要求。实验中分析了 AIS数据挖掘阶段参数值对聚类结果的影响,并给出适当的经验参数,为系统良好运行提供参照依据。通过实例应用显示了本文设计的原型系统可以有效而快速地发现船舶兴趣区域和船舶热门航道。
杨博辰[10]2018年在《基于AIS的船舶轨迹分析的研究与应用》文中进行了进一步梳理在世界经济全球化的大环境下,随着海上交通量的迅猛增长,这使得水域承载的负担增大,航道拥挤。这种情况下船舶本身存在的问题及人为因素引发的事故增多,造成了巨大的经济损失。相关海事部门和船舶交通服务系统提高决策水准势在必行,其中的一个关键问题就是实现船舶航迹预测并进行异常预警。目前,大多数船舶轨迹预测模型还停留在一般的机器学习方法和基于特定运动学方程的模型上,这种模型受限程度较高,已经很难应对当今繁杂的海上交通情形。高精度模型的训练需要丰富的数据支持。相对传统雷达设备等,AIS设备拥有受地形天气影响小,高定位精度等优点,且可以提供更丰富的船舶轨迹特征数据。本文基于AIS数据样本,结合神经网络和深度学习,研究适用于船舶轨迹预测的算法模型。基于解析后的AIS数据,设计并实现了船舶轨迹预测模型的训练仿真实验。最后对航迹预测模型在异常预警、航线规划等方面的应用进行了研究。本文主要研究工作如下:1.分析总结了AIS相关解码与处理技术。在介绍AIS消息类型的基础上,展示了AIS信息的数据结构,并对AIS信息进行解码和处理,由此获得数据源,为基于AIS数据的航迹预测提供了数据基础。2.深入研究了利用BP神经网络的浅层次船舶轨迹预测模型。针对船舶航行轨迹多维度的特点,在船舶预测问题上,基于遗传算法,对模型进行改进,并且分析了不同网络参数对效率和性能的影响。3.利用深度学习及时间序列的特性,提出基于循环神经网络-长短期记忆(Recurrent Neural Networks-Long Short-Term Memory,RNN-LSTM)模型,对模型进行训练,分析了参数的影响,并与基于神经网络的预测模型进行了比较,体现出LSTM模型更优越的处理序列数据的能力。4.将LSTM模型应用在轨迹检测,安防预警,航路规划等领域。模型可以结合电子海图实验平台,对船舶航迹进行预测,并提供异常航迹预警功能。结果表明,在满足准确性和性能的要求下,利用深度学习的RNN-LSTM船舶轨迹预测模型能取到很优秀的预测效果,为实现海上智能交通提供技术支持。
参考文献：
[1]. 基于AIS的分类算法研究[D]. 陈昊. 南京理工大学. 2004
[2]. 舰船目标多手段数据融合探测方法研究[D]. 张晖. 内蒙古大学. 2016
[3]. 人工免疫网络分类器的设计及其应用研究[D]. 邓泽林. 中南大学. 2013
[4]. 内河在航船舶动态跟踪和航迹融合方法研究[D]. 严忠贞. 武汉理工大学. 2013
[5]. 基于人工免疫系统的自然图像分类算法与技术研究[D]. 刘思源. 太原理工大学. 2012
[6]. 基于人工免疫系统和内容的自然图像分类技术研究[D]. 李星蕊. 湖南大学. 2012
[7]. 基于自然计算的模糊聚类新算法研究[D]. 李洁. 西安电子科技大学. 2004
[8]. 人工免疫系统架构及其在Modis数据分类中的应用研究[D]. 范玉宏. 华中科技大学. 2006
[9]. 基于AIS的船舶轨迹聚类原型系统设计与实现[D]. 林明亮. 大连海事大学. 2016
[10]. 基于AIS的船舶轨迹分析的研究与应用[D]. 杨博辰. 电子科技大学. 2018
标签：自动化技术论文; 聚类论文; ais论文; 免疫算法论文; 关联分析论文; 空间分析论文; 图像融合论文; 特征选择论文; 抗原抗体论文; 雷达论文; 算法论文; ais系统论文;