没有合适的资源?快使用搜索试试~ 我知道了~
资源详情
资源评论
资源推荐
2019
年
12
月
计算机工程与设计
Dec.
2019
第
40
卷
第
12
期
COMPUTER
ENGINEERING
AND
DESIGN
Vol.
40
No.
12
基于改进
BP
神经网络的船舶轨迹识别方法
凡甲甲
,
祁云嵩
,
葛霓琳
(
江苏科技大学计算机学院
,
江苏
镇江
212000
)
摘
要
:
针对船舶航行轨迹识别
,
为提高
识别率
,
进
行深入研究
,
提出一种采用附
加
动量法和自适应学习速率法的改进
BP
神
经网络方法
。
采用附
加动量不断修正
BP
神经
网络的权重
,
加快网络收敛
速度
,
在
迭代过
程中进行学习
率自适
应
调整
,
减少迭代次数
。
运用改进
BP
神经网络和传统
BP
神经网络对船舶自动识别系统
(
automatic
identification
system
,
AIS
)
信
息进行训练
,
分别建立分类识别模型
。
以安徽巢湖水域为例进行实验
,
实验结果表明
,
改进
BP
神经网络对船舶轨迹识别
具有更
高的准确率
。
关键词
:
轨迹识别
;
BP
神经网络
;
船舶自动识别系统
;
附加动量
;
自适应学习
中图法分类号
:
TP39&1
文献标识号
:
A
文章编号
:
1000-7024
(
2019
)
123639-06
doi
:
10.
16208/j.
Ksnl
000-7024.
2019.
12.
045
Ship
trajectory
identification
method
based
on
improved
BP
neural
network
FANJia-jia,
QI
Yun-song
&
GE
Ni-lin
(School
of
Computer
Science
&
Jiangsu
University
of
Science
and
Technology
&
Zherjiang
212000
&
China)
Abstract
:
To
improve
the
recognition
rate
for
ship
navigation
trajectory
identification
&
an
improved
BP
neural
network
method
using
additional
momentum
method
and
adaptive
learning
rate
method
was
proposed.
Additional
momentum
was
used
to
conti
nuously
correct
the
weight
of
BP
neural,
to
speed
up
the
network
convergence.
The
learning
rate
was adaptively
adjusted
in
the
iterative
process,
to
reduce
the
number
of
iterations.
The
improved
BP
neural
network
and
traditional
BP
neural
network
were
used
to
train
the
automatic
identification
system
(AIS)
information
of
ships
to
establish
the
classification
recognition
model.
Taking
the
Chaohu
waters
in
Anhui
as
an
example
&
the
results
show
that
the
improved
BP
neural
network
has
higher
accuracy
for
ship
trajectory
recognition.
Key
words
:
trajectory
recognition
;
BP
neural
network
;
automatic
identification
system
;
additional
momentum
;
adaptive
learning
/
引言
加强水上交通管理和监控
,
及时发现安全隐患并采取
相应的措施
,
既是保证船舶安全航行
、
港口正常作业生产
的迫切需要
,
也是防止各种违法海上活动
、
保护海洋环境
的有效手段
。
目前大多数研究是对船舶轨迹信息进行训练
建立预测
⑴⑵
*
或异常
)
3
*
模型
,
由于海上情况多变
,
船舶的行
为预测和异常行为检测并不能有效处理海上未知的状况
。
在前人研究的基础上
,
引入动量因子
[
4
,
]
和自适应学习速
率
67
*来优化
BP
神经网络叩性能
,
能够较好地改善
BP
神
经网络的易陷入局部最小值
、
收敛速度慢等缺点
,
最后将
改进
BP
神经网络应用到船舶轨迹识别⑷问题中
,
与传统
BP
神经网络进行对比实验
,
达到了预期的识别效果
。
1
AIS
信息的采集与预处理
1.1
AS
信息的采集
船舶的
AIS
信息
)
0
*的动态信息主要为坐标
、
航速
、航
向等
,
静态信息主要为船舶类型
、
长度
、
宽度以及吨位
,
动态信息体现了船舶的轨迹行为特征
。
为了区分不同船
舶的轨迹
,
将船舶海上业务识别码
(
maritime
mobile
ser
vice
identity
,
MMSI
)
加入行为表征数据中
,
船舶在行驶过
程中不定时播报位置及速度信息存入数据接收服务器中
,
定时从服务器中取出所需的
AIS
信息报文文件
。
船舶的
AIS
信息显示在系统界面中如图
1
所示
。
收稿日期
:
2018#'-
;
'
;
修订日期
:
;
019-0'-0
;
基金项目
:
国家自然科学基金项目
(
6'47'182
)
;
2018
年江苏
省
研究生科研创新计划基金项目
(
KYCX18
_
2335
)
作者简介
:
凡
甲甲
(
'993
-
)
,
女
&
安徽
淮
南人
&
硕士研究生
&
研究方向为机器学习
;
祁云嵩
(
'967
-
)
,
男
&
江苏如皋人
&
博士
&
教授
&
研究方向为机器学习
、
图
像
处理
;
葛霓琳
(
'994-
)
,
女
&
江苏镇江人
&
硕士研究生
&
研究方向为数据挖掘
(
E-mail
:
'318
;
5
;
893
@
qq.
com
数据资源
- 粉丝: 113
- 资源: 23万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0