典型文献
基于联邦学习的船舶AIS轨迹谱聚类算法研究
文献摘要：
如何实现数据的安全共享,促进多源数据的碰撞、融合是当前学术界和产业界共同面临的重要技术挑战之一,近年来,联邦学习作为应对这一挑战的新技术受到了广泛的关注,已在智慧医疗、智慧城市建设等领域得到应用,但是在充满潜力的轨迹数据挖掘领域却鲜有研究.为了解决这个问题,提出一种安全的、分布式的基于联邦学习的谱聚类算法框架FSC(federated spectral clustering),并应用于船舶AIS(automatic identification system)轨迹数据谱聚类.该算法通过加密样本对齐技术和同态加密技术,在保证用户数据安全的前提下实现了多参与方联合训练机器学习模型.实验部分以合成数据和船舶AIS轨迹数据为样本,通过与其他聚类算法对比,验证算法具有良好的聚类性能;聚类结果能够准确提取水域船舶的主要航线,可为海事监管系统智能化提供技术支撑.
文献关键词：
联邦学习;谱聚类;数据挖掘;AIS轨迹;同态加密
中图分类号：
作者姓名：
吕国华;胡学先;张启慧;魏江宏
作者机构：
中国人民解放军战略支援部队信息工程大学,郑州450001
文献出处：
引用格式：
[1]吕国华;胡学先;张启慧;魏江宏-.基于联邦学习的船舶AIS轨迹谱聚类算法研究)[J].计算机应用研究,2022(01):70-74,89
A类：
B类：
联邦学习,AIS,谱聚类算法,算法研究,安全共享,多源数据,产业界,技术挑战,习作,智慧医疗,智慧城市建设,轨迹数据挖掘,FSC,federated,spectral,clustering,automatic,identification,system,对齐,同态加密技术,用户数据,参与方,联合训练,机器学习模型,合成数据,算法对比,取水,水域,航线,海事监管,监管系统
AB值：
0.358971
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。
