-
题名基于深度学习网络的航迹分层分类研究
被引量：1
- 1
-
-
作者
王伊凡
吉琳娜
杨风暴
-
机构
中北大学
-
出处
《指挥控制与仿真》
2025年第2期83-94,共12页
-
文摘
针对现有航迹分类方法无法充分考虑航迹的时间序列特征与空间结构特征,导致分类准确率下降的问题,提出了一种基于深度学习网络的航迹分层分类方法。首先,将船舶航迹转化成图像层,构建基于Swin-Transformer网络的航迹图像层分类模型;其次对于航迹序列层,基于多维信息的航迹压缩算法优化航迹序列的输入,并构建基于Gained-Transformer-Network深度学习网络的航迹序列层分类模型。最后,建立基于置信度的融合层航迹分类模型,提高航迹分层分类的准确率。经过实验验证,平均分类准确率为90%,集成分类器的分类性能相较于其他单分类器平均提高了11%,平均F1分数为0.82。上述结果表明,本文提出的集成分类器对船舶航迹具有较好的分类效果。
-
关键词
航迹分类
深度学习
Swin-Transformer
gained-transformer-network
分层分类
-
Keywords
trajectory classification
deep learning network
swin-transformer
gained-transformer-network
hierarchical classification
-
分类号
TP317.4
[自动化与计算机技术—计算机软件与理论]
-
