使用海底传感器网络对泊松分布目标进行离群点检测
机器学习
2025-08-19 v1 信息论
math.IT
摘要
本文提出一个框架，用于使用海底声学传感器网络和对数高斯 Cox 过程 (LGCP) 对海洋环境中的空间委托离群点进行分类和检测。通过将目标到达建模为正常过程和离群过程的混合，我们估计了新观察到的事件是离群点的概率。我们提出了该概率的二阶近似，该近似同时包含了正常强度函数的均值和方差，与仅使用均值的方法相比，提供了更高的分类精度。我们通过分析证明，利用 Jensen 不等式，我们的方法给出了更紧的真实概率界限。为了增强检测能力，我们集成了一种实时的、近最优的传感器放置策略，该策略根据不断变化的离群点强度动态调整传感器位置。所提出的框架使用弗吉尼亚州诺福克附近的真实船舶交通数据进行了验证，数值结果证明了我们的方法在通过传感器部署改善分类性能和离群点检测方面的有效性。
引用
@article{arxiv.2508.13099,
title = {Outlier Detection of Poisson-Distributed Targets Using a Seabed Sensor Network},
author = {Mingyu Kim and Daniel Stilwell and Jorge Jimenez},
journal= {arXiv preprint arXiv:2508.13099},
year = {2025}
}
备注
IEEE OCEANS