排序方式： 共有1条查询结果，搜索用时 31 毫秒
1
1.
为更好地监测船舶动态和船舶在港口的作业情况,通过对K-Means算法和DBSCAN(Density-Based Spa-tial Clustering of Applications with Noise)密度聚类算法进行对比,选择DBSCAN密度聚类算法对港口泊位进行聚类,对港口泊位的位置和大小进行识别.基于船舶自动识别系统(Automatic Identification System,AIS)历史数据、船舶动态信息和船舶基础信息,采用DBSCAN密度聚类算法对全球4 079个港口的泊位进行自动识别,得出泊位的位置、方向、岸线长度和类型等信息.将聚类结果与真实泊位信息相对比,结果表明,聚类结果的误差很小,证明该算法是有效的.计算结果可用于实时跟踪船舶在港作业动态,分析泊位历史作业情况,为港航基于数据的协同优化提供参考. 相似文献
1