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，本文提出了一种基于层次注意力孪生网络的船舶身份甄别模型。提出模型结合时间注意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。为验证提出模型的有效性，本文在厦门港及附近水域船舶轨迹数据的基础上对比分析了提出模型和常用机器学习模型甄别船舶身份的性能。检验结果表明，提出模型能在小规模的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F_(1)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的F_(1)分数，可见，提出模型能满足船舶身份甄别和异常排查等相关应用的需要。
- 单位
