科研之友
微信
新浪微博
Facebook
分享链接
摘要
为准确甄别船舶身份，提出一种基于层次注意力孪生网络的船舶身份甄别模型，结合时间注意力的长短期记忆和多尺度的卷积网络，从时间和语义信息层面对船舶轨迹进行表征，并采用以改进的孪生神经网络计算船舶轨迹表征向量间的差异度作为判断船舶身份的依据。为验证该模型的有效性，在厦门港及附近水域船舶轨迹数据基础上对比分析本文模型和常用机器学习模型甄别船舶身份的性能。结果表明，本文模型可在小规模数据集上学习得到泛化性较好的船舶身份甄别性能，在测试集上的F1分数为0.8971,而常用机器学习模型在相同测试集上仅能达到0.7774,可见，本文模型可满足船舶身份甄别和异常排查等相关应用的需要。
- 单位
