典型文献
基于深度卷积神经网络的船舶轨迹分类研究
文献摘要：
为了提取船舶轨迹数据的空间特征,解决船舶轨迹分类及船舶轨迹所属航道识别问题,提出了一种基于深度卷积神经网络的船舶轨迹分类方法.考虑到经纬度数据难以准确描述船舶轨迹空间特征,将船舶轨迹数据转换为船舶轨迹图像数据,并建立数据集.构建基于深度卷积神经网络的船舶轨迹分类模型,使用人工标注的数据集开展训练.选取以经纬度数据为输入的全连接神经网络模型和SVM模型进行对比分析.结果表明:基于深度卷积神经网络船舶轨迹分类模型可以有效地区分不同航道内的船舶轨迹,所提方法是一种有效的船舶轨迹分类方法.
文献关键词：
智能交通;AIS;船舶轨迹分类;深度卷积神经网络;ResNet50
中图分类号：
作者姓名：
常吉亮;谢磊;魏志威;杨洋;赵建伟
作者机构：
武汉理工大学国家水运安全工程技术研究中心 武汉 430063;武汉理工大学船海与能源动力工程学院 武汉 430063;中国船舶工业综合技术经济研究院 北京 100081
文献出处：
引用格式：
[1]常吉亮;谢磊;魏志威;杨洋;赵建伟-.基于深度卷积神经网络的船舶轨迹分类研究)[J].武汉理工大学学报（交通科学与工程版）,2022(01):160-165
A类：
船舶轨迹分类
B类：
深度卷积神经网络,分类研究,船舶轨迹数据,空间特征,航道,分类方法,经纬度,数据转换,轨迹图像,图像数据,分类模型,全连接神经网络,智能交通,AIS,ResNet50
AB值：
0.133401
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。
