船舶行为与异常检测中的挑战：从经典机器学习到深度学习
机器学习
2020-04-09 v1 机器学习
摘要
近十年来，海上活动的全球扩张以及自动识别系统（AIS）的发展推动了海上监控系统的进步。监控船舶行为对于保障海上作业、保护航行于海洋的其他船舶以及海洋动植物至关重要。鉴于持续生成的船舶数据体量巨大，正是因为配备了事件与异常检测方法的决策支持系统，船舶行为的实时分析才得以实现。然而，当前关于船舶事件检测的工作多为临时方法，仅能处理单一或少数预定义类型的船舶行为。大多数现有方法不从数据中学习，且需要定义查询与规则来描述每种行为。在本文中，我们讨论了经典机器学习和深度学习中用于船舶事件与异常检测的挑战与机遇。我们希望激励新颖方法与工具的研究，因为应对这些挑战是迈向真正智能海上监控系统的关键一步。
引用
@article{arxiv.2004.03722,
title = {Challenges in Vessel Behavior and Anomaly Detection: From Classical Machine Learning to Deep Learning},
author = {Lucas May Petry and Amilcar Soares and Vania Bogorny and Bruno Brandoli and Stan Matwin},
journal= {arXiv preprint arXiv:2004.03722},
year = {2020}
}
备注
This is an extended version of the article Challenges in Vessel Behavior and Anomaly Detection: From Classical Machine Learning to Deep Learning, to be published by Springer in the proceedings of the 33rd Canadian Conference on Artificial Intelligence