-
公开(公告)号：CN115100247A
公开(公告)日：2022-09-23
申请号：CN202210863446.1
申请日：2022-07-20
Applicant: 大连海事大学
IPC: G06T7/246 , G06T3/40 , G06V10/774 , G06V10/764 , G06Q10/04
Abstract: 本发明公开了一种基于AIS动态信息的分步预测船舶轨迹的方法，包括获取船舶航行过程中产生的所有轨迹点信息，并存储在AIS数据集中；对AIS数据集进行预处理和时序对齐；计算轨迹点的航行距离，根据所有轨迹点的经度、纬度、速度、航向、船艏向、船长、航行距离构建训练样本，构建Xgboost模型并根据训练样本进行训练，根据Xgboost模型进行预测获取船舶的位置，基于k个预测时间间隔训练k组Xgboost模型，得到k组船舶位置，将k组船舶位置作为船舶轨迹的骨架点，根据骨架点以及插值方法获取预测的船舶轨迹。通过训练Xgboost模型只需根据船舶的最后一个轨迹点预测船舶后续轨迹点并组成完整的轨迹，消除了基于RNN的模型输入必须是时间序列的约束，提高了船舶轨迹预测精度。
-
公开(公告)号：CN112735604A
公开(公告)日：2021-04-30
申请号：CN202110045563.2
申请日：2021-01-13
Applicant: 大连海事大学
Abstract: 本发明提供一种基于深度学习算法的新型冠状病毒分类方法，用于解决现有技术中存在的分类精度较低的技术问题，实现步骤为：获取现有可用病毒序列和新型冠状病毒数据集，预处理病毒序列数据集，使用三个级联的自动编码器将预处理后高维冗余的病毒序列特征进行特征提取实现数据降维，获取病毒序列非线性抽象特征，获取训练集数据和测试集数据，获取最优新型冠状病毒序列分类模型，使用所述最优新型冠状病毒序列分类模型预测新型冠状病毒数据的标签，本发明有效提高了新型冠状病毒分类的准确性。
-
Patent Agency Ranking
公开(公告)号：CN113283653B
公开(公告)日：2024-03-26
申请号：CN202110586239.1
申请日：2021-05-27
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于机器学习和AIS数据的船舶轨迹预测方法，包括：对船舶历史AIS数据集进行预处理；对预处理后的AIS数据集按轨迹进行划分，以获取多条轨迹特征数据；再对轨迹特征数据中的错误数据进行检测和删除；对每条轨迹特征数据进行网格化处理，将每条轨迹特征数据内轨迹点的预测目标划分为八个邻域网格方向；建立基于xgboost算法的轨迹预测模型，通过轨迹预测模型对轨迹点进行预测。从而提高船舶运动方向预测的准确率。同时在数据集选取时，只要求传回的AIS数据位置信息在网格精度允许范围内即可认为数据有效，降低了对AIS数据的精确性要求。
-
公开(公告)号：CN112735604B
公开(公告)日：2024-03-26
申请号：CN202110045563.2
申请日：2021-01-13
Applicant: 大连海事大学
IPC: G16H50/80 , G06F18/241 , G06F17/14 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种基于深度学习算法的新型冠状病毒分类方法，用于解决现有技术中存在的分类精度较低的技术问题，实现步骤为：获取现有可用病毒序列和新型冠状病毒数据集，预处理病毒序列数据集，使用三个级联的自动编码器将预处理后高维冗余的病毒序列特征进行特征提取实现数据降维，获取病毒序列非线性抽象特征，获取训练集数据和测试集数据，获取最优新型冠状病毒序列分类模型，使用所述最优新型冠状病毒序列分类模型预测新型冠状病毒数据的标签，本发明有效提高了新型冠状病毒分类的准确性。
-
公开(公告)号：CN113283653A
公开(公告)日：2021-08-20
申请号：CN202110586239.1
申请日：2021-05-27
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于机器学习和AIS数据的船舶轨迹预测方法，包括：对船舶历史AIS数据集进行预处理；对预处理后的AIS数据集按轨迹进行划分，以获取多条轨迹特征数据；再对轨迹特征数据中的错误数据进行检测和删除；对每条轨迹特征数据进行网格化处理，将每条轨迹特征数据内轨迹点的预测目标划分为八个邻域网格方向；建立基于xgboost算法的轨迹预测模型，通过轨迹预测模型对轨迹点进行预测。从而提高船舶运动方向预测的准确率。同时在数据集选取时，只要求传回的AIS数据位置信息在网格精度允许范围内即可认为数据有效，降低了对AIS数据的精确性要求。
-
公开(公告)号：CN115100247B
公开(公告)日：2024-09-24
申请号：CN202210863446.1
申请日：2022-07-20
Applicant: 大连海事大学
IPC: G06T7/246 , G06T3/4007 , G06V10/774 , G06V10/764 , G06Q10/04
Abstract: 本发明公开了一种基于AIS动态信息的分步预测船舶轨迹的方法，包括获取船舶航行过程中产生的所有轨迹点信息，并存储在AIS数据集中；对AIS数据集进行预处理和时序对齐；计算轨迹点的航行距离，根据所有轨迹点的经度、纬度、速度、航向、船艏向、船长、航行距离构建训练样本，构建Xgboost模型并根据训练样本进行训练，根据Xgboost模型进行预测获取船舶的位置，基于k个预测时间间隔训练k组Xgboost模型，得到k组船舶位置，将k组船舶位置作为船舶轨迹的骨架点，根据骨架点以及插值方法获取预测的船舶轨迹。通过训练Xgboost模型只需根据船舶的最后一个轨迹点预测船舶后续轨迹点并组成完整的轨迹，消除了基于RNN的模型输入必须是时间序列的约束，提高了船舶轨迹预测精度。
-
公开(公告)号：CN115271231A
公开(公告)日：2022-11-01
申请号：CN202210943569.6
申请日：2022-08-08
Applicant: 大连海事大学
Abstract: 本发明公开了一种自修正的船舶轨迹智能预测方法，包括，获取原始AIS数据集，对原始AIS数据集进行清洗、修复；将AIS数据集划分为n个子数据集，分别从n个子数据集中进行等时间间隔采样，将采样后的轨迹点数据分别存储为不同船舶的轨迹数据集；构建XGBoost模型并进行训练，根据XGBoost模型预测获取船舶的预测轨迹点，基于k个预测时间间隔训练k组XGBoost模型，得到k组预测轨迹点；设置位置预测误差阈值和相似阈值，计算预测轨迹点与不同船舶的轨迹数据集中轨迹点的相似值，计算x个相似历史轨迹点的加权预测误差，根据加权预测误差对轨迹点数据进行修正，将k组修正后的预测轨迹点数据作为预测船舶轨迹。降低了数据缺失或数据异常带来的影响，提高了轨迹预测精度。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
