典型文献
基于BiLSTM模型的远洋渔船类型识别研究
文献摘要：
船舶自动识别系统(Automatic identification system,AIS)为渔业资源和渔船捕捞活动管理和研究提供了可能.明确船舶作业类型是开展AIS信息渔业研究应用前提,为渔业研究和管理提供渔船捕捞类型基础数据支撑,保障渔船作业安全和监督非法捕捞渔业活动,作者通过搜集整理3000多艘已知类型船舶信息,从空间、时间和行为等多方面挖掘17种船舶特征参数,采用三层双向长短期记忆网络(Bidirectional long short-term memory,BiLSTM)方法,分别构建渔船/非渔船类别识别模型和不同渔船类型识别模型.模型结果表明,渔船/非渔船的BiLSTM模型的训练数据集分类平均准确率为99.6％,平均精确率为99.8％;验证数据集分类平均准确率为93.6％,平均精确率为95.6％.渔船多分类模型训练数据集分类平均准确率为99.0％,平均精确率为99.3％;验证数据集分类平均准确率是97.0％,平均精确率是97.6％.作者构建的渔船/非渔船类别识别模型和渔船类别识别模型训练和验证精度都较高,模型具有较好的泛化能力,可用于主要捕捞类型渔船识别分类.
文献关键词：
渔船类别识别;船舶自动识别系统;双向长短期记忆网络
中图分类号：
作者姓名：
杨胜龙;史慧敏;张胜茂;张涵;费英杰;王斐;金卫国;王国来;樊伟
作者机构：
中国水产科学研究院 东海水产研究所, 农业农村部远洋与极地渔业创新重点实验室, 上海 200090;中国水产科学研究院 渔业资源与遥感信息技术重点开放实验室, 上海 200090;上海海洋大学 信息学院, 上海 201306;上海理工大学 理学院, 上海 200093;上海开创远洋渔业有限公司, 上海 200082
文献出处：
引用格式：
[1]杨胜龙;史慧敏;张胜茂;张涵;费英杰;王斐;金卫国;王国来;樊伟-.基于BiLSTM模型的远洋渔船类型识别研究)[J].海洋科学,2022(03):25-35
A类：
渔船类别识别
B类：
BiLSTM,远洋渔船,类型识别,船舶自动识别系统,Automatic,identification,system,AIS,渔业资源,捕捞活动,活动管理,船舶作业,作业类型,渔业研究,研究应用,应用前提,作业安全,搜集整理,多艘,知类,船舶信息,双向长短期记忆网络,Bidirectional,long,short,term,memory,识别模型,训练数据集,平均准确率,精确率,多分类,分类模型,模型训练,泛化能力,识别分类
AB值：
0.300171
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
