声明
摘要
第一章 绪论
1.1 项目背景与意义
1.2 AIS数据
1.3 基于AIS数据的海事态势研究现状
1.3.1 海上区域挖掘研究现状
1.3.2 船舶异常监测研究现状
1.4 论文主要研究内容
1.5 论文组织结构
第二章 相关技术综述
2.1 聚类算法
2.1.1 DBSCAN算法
2.1.2 K-means算法
2.1.3 BIRCH算法
2.2 机器学习算法
2.2.1 逻辑回归
2.2.2 贝叶斯网络
2.2.3 支持向量机
2.3 Storm框架
2.4 本章小结
第三章 基于AIS数据的海上重点区域挖掘研究
3.1 海上重点区域
3.2 基于AIS数据的海上重点区域挖掘方法
3.2.1 AIS数据的停泊点提取
3.2.2 海上重点区域挖掘方法
3.3 基于DBSCAN算法的海上重点区域挖掘
3.3.1 问题描述与分析
3.3.2 基本思路
3.3.3 DBSCAN算法参数优化策略
3.4 融合外部数据的重点区域细化
3.5 本章小结
第四章 船舶异常分析与模型构建研究
4.1 船舶异常监测方法
4.2 船舶异常行为分析
4.3 船舶异常模型
4.4 船舶异常特征分析与模型构建
4.4.1 特征分析与离散化处理
4.4.2 损失函数与正则化处理
4.4.3 模型训练与评价
4.5 本章小结
第五章 基于Storm的船舶异常实时监测系统设计与实现
5.1 需求分析
5.2 系统整体框架设计
5.3 重点区域挖掘模块设计与实现
5.4 基于Storm的重点区域船舶异常实时监测系统实现
5.5 本章小结
第六章 系统部署与测试
6.1 系统部署
6.1.1 运行环境
6.1.2 Storm集群配置
6.2 测试与结果分析
6.2.1 基于MS数据的重点区域挖掘结果与分析
6.2.2 基于机器学习算法的船舶异常监测结果与分析
6.2.3 基于Storm的重点区域船舶异常实时监测系统性能测试
6.3 运行效果
6.4 本章小结
第七章 结论和展望
7.1 结论
7.2 工作展望
参考文献
致谢
研究成果及发表的学术论文
作者和导师简介
北京化工大学;