基于 Dropout K-Means 的船舶检测鲁棒浮标布设
机器学习
2020-02-24 v2 机器学习
摘要
海洋浮标通过探测周边渔船，助力打击非法、不报告、不管制（IUU）捕捞。然而，海洋浮标可能因自然原因及人为破坏而失效。本文中将海洋浮标布设建模为聚类问题，并提出 dropout k-means 与 dropout k-median 以提升布设对浮标失效的鲁棒性。我们利用历史自动识别系统（AIS）数据模拟了西非加蓬附近水域的船舶通行，随后比较了 dropout k-means 与经典 k-means、dropout k-median 与经典 k-median 的船舶检测概率。在 5 个浮标下，经典 k-means、dropout k-means、经典 k-median 与 dropout k-median 所计算的浮标布置的船舶检测概率分别为 38%、45%、48% 与 52%。
引用
@article{arxiv.2001.00564,
title = {Robust Marine Buoy Placement for Ship Detection Using Dropout K-Means},
author = {Yuting Ng and João M. Pereira and Denis Garagic and Vahid Tarokh},
journal= {arXiv preprint arXiv:2001.00564},
year = {2020}
}
备注
ICASSP 2020