多特征点驱动的船舶轨迹聚类方法

轨迹聚类在船舶行为分析与海事监管等领域发挥着重要作用。船舶轨迹存在长度与采样率不一致、结构差异明显等特点,在大范围水域难以实现大量船舶轨迹的高精度与快速聚类。针对该问题,在利用船舶自动识别系统获取海量船舶历史航行数据的基础上,提取与船舶航行行为、船舶交通密度相关的位置特征点,进而提出了多特征点驱动的船舶轨迹聚类方法。针对船舶航行时在大多数情形下具有保向、保速的特点,采用数据压缩的方法捕获船舶航行状态以及船舶航向发生显著变化的轨迹点,作为船舶轨迹结构特征点;针对目标水域中某些特定区域常存在船舶交叉会遇的情形,利用概率密度估计法分析船舶交通流的空间分布特点,并提取船舶会遇局面下的轨迹点,作为船舶交通流特征点;为剔除2类特征点中的异常值,采用密度聚类算法对特征点进行聚类,进一步提高特征点提取的可靠性,并将聚类结果中每类特征点的中心作为代表性特征点;统计途经代表性特征点的船舶轨迹分布情况,将具有相似分布的船舶轨迹视为同一类。实验结果表明：相比于常用的K-medoids聚类、层次聚类、谱聚类和DBSCAN等方法,提出的轨迹聚类方法在成山头水域、长江口南槽水域及舟山水域等典型区域均可获得优异的聚类...     

基于动态聚类的公路基本路段分割合并方法

公路基本路段划分是实施交通安全精细化管理的基础,划分结果要求具有相似的几何线形及事故统计特征。基于公路线形特征划分的路段单元,叠加动态聚类算法划分的事故特征相近的路段单元,提出包含分割与相交合并的基本路段分割合并方法,进一步以京昆高速北京段为例验证该方法具有可行性及科学性。     

基于成对约束的半监督选择性聚类集成

针对现有聚类集成算法基本都是无监督聚类集成算法和传统聚类集成方法,其通常将所有产生的聚类成员都参与集成的问题,设计了一种基于成对约束的半监督选择性聚类集成方法(SSCES). SSCES方法选择基于聚类成员质量和差异度的选择聚类集成为研究对象,借鉴半监督集成的关键思想,将半监督聚类信息带入到选择聚类集成中.通过在多组数据集上实验来验证SSCES算法的有效性.     

面向网络营销的IIS日志分析系统

web日志分析对电子商务的网站推广和客户服务方面起到了非常重要的作用,文章主要阐述了一个面向网络营销的IIS日志分析系统的实现原理,提出了将文本文件形式的日志数据自动导入和批量导入数据库的方法,描述了日志分析系统采用的统计、聚类等分析方法的模型和实现.     

航海英语教学的现状与改进策略

针对中国现阶段船员队伍中远洋船员英语能力的现状,分析航海英语的特点和教学要求,指出现阶段航海类专业英语教学中存在的问题,说明传统英语教学模式已经不能适应现代航海的需要,并对如何改进中国高等学校航海类专业英语教学工作提出可行的方法与措施,以期培养出高素质的、适应现代航海需要的高级船员。     

整车线束布置接口平台化定义与应用

本文详细介绍线束布置接口平台化的定义过程及结果,涉及卡扣、钣金开孔、橡胶件等线束用子零件布置接口的平台化定义,以达到提高线束所用子零件的通用率,周边件精准匹配线束布置需求的目的。     

考虑对地航速和航向的船舶典型轨迹提取方法

基于船舶自动识别系统(Automatic Identification System, AIS)数据的船舶典型轨迹挖掘需要经过两个重要步骤,一是压缩 AIS 数据,二是聚类压缩后的 AIS 数据。传统的DP(DouglasPeucker)压缩算法,只考虑船舶轨迹的压缩形状,忽视了船舶航行中其他重要信息。为解决此问题,把对地航速和航向加入到DP算法的压缩过程中。在AIS轨迹聚类方面,传统谱聚类方法只对船舶轨迹的位置进行相似性度量,没有考虑船舶轨迹的其他维度,针对此问题,提出多属性轨迹相似性度量方法。由于不同的输入参数影响着最终的聚类质量,引入Calinski-Harabasz指标评价谱聚类算法,实现聚类参数的自适应选择。利用山东威海水域的实际AIS数据进行实例研究,并与传统谱聚类算法做比较实验。实验结果表明,利用该方法提取到的典型轨迹符合真实水域的交通情况,相较于传统谱聚类方法具有更高的聚类质量。     

多分类转导支持向量机

为了完成分类学习,传统的支持向量机基于带标记信息的经验数据归纳出一个通用的决策函数。而转导支持向量机则不同,它考虑包含测试集在内的所有数据信息并致力于最小化测试样本的分类错误数。在已有的2类分类方法的基础上构造了直接求解多类分类问题的的转导支持向量机。     

沥青路面再生中基于系统聚类法的路面调查

同一道路使用数年后,由于各种原因,各路段的路面状况有着较大的差异,即路段之间的不均匀性。本文应用统计学上的系统聚类法的概念及方法,来处理各个路段沥青旧路面材料几个主控指标,将各段沥青路面进行归类,可以使施工操作简便,用时又保证了沥青旧料的均匀性。     

模糊综合分析在信息安全评估中的应用

为了提高信息系统安全评估的准确性和有效性,减少评判者的主观差异性对评判结果的影响,提出了一种基于模糊综合分析的聚类方法.该方法对专家打分进行预处理,根据评价指标的权重大小,将分数转化为相对权重比值,再运用模糊聚类法剔除离散程度较大的差异分数.实例证明,所提出的方法使赋值区间的集中程度提高30%,评估分数的聚合性提高15%,增强了重要评估指标对评估结果的影响力.