[发明专利]一种基于集成学习的船舶类型仿冒监测方法

权利要求书

1.一种基于集成学习的船舶类型仿冒监测方法，其特征在于，包括以下步骤：

步骤1，获取用于模型训练的船舶历史航迹报文数据，对船舶历史航迹报文数据进行清洗，并调整数据类型；

步骤2，选择特征数据项，并进行格式变换，对变换生成后的特征进行归一化处理；

步骤3，选择分类器，设置评估函数进行模型训练，得到分类模型；

步骤4，根据分类模型实时对船舶目标类型进行判断监测与告警；

所述步骤1包括：

步骤1-1，清洗历史数据：扫描全部用于模型训练的船舶历史航迹报文数据，根据如下规则清洗历史数据：删除速度、航向和船艏向小于0的船舶历史航迹报文数据、经纬度在陆地位置的船舶历史航迹报文数据，以及航向和船艏向大于360度的船舶历史航迹报文数据；

步骤1-2，进行历史数据去重：将时间、位置、航向均相同的航迹点判定为重复点，删除船舶历史航迹报文数据中的重复点进行去除；

步骤1-3，进行数据类型调整：对部分命名有特征的船舶类型，设置对应的正则表达式对AIS报文的船名进行匹配，将其他类型的船舶历史航迹报文数据中符合该类型船名命名特征的船舶历史航迹报文数据的船舶类型修改为该类型；

所述步骤2包括：

步骤2-1，选择特征数据项：选择船舶历史航迹报文数据中的MMSI、经度、纬度、速度、航向、船艏向、时间戳作为特征数据项单独存储，将船舶历史航迹报文数据根据MMSI和时间戳从小到大排序，其中MMSI为排序主键，时间戳为副键，即先按照MMSI从小到大排序，MMSI相同的项按照时间戳从小到大排序；

步骤2-2，使用滑动窗口进行特征拼接：设置滑动窗口大小n和滑动步长m，使用滑动窗口的方法将同一个MMSI的连续两个以上的船舶历史航迹报文数据中的经度、纬度、速度、航向、船艏向、时间戳拼接成一条特征并存储，特征维度为6n，一条特征中相邻两条船舶历史航迹报文数据之间时间差不超过900秒，如果超过则滑动窗口前进一步，重新拼接窗口内特征；特征标签为该船舶AIS报文的船舶类型的代号；

步骤2-3，对时间戳进行变换：将时间戳与一天的秒数取余，并加上与0时区时差，将其变换为当日的秒数，对于处于东八区的我国海域来说具体变换公式如下：

time＝timestamp％86400+28800，

其中，timestamp表示时间戳，time表示变换后的时间戳；

步骤2-4，对新的特征进行归一化处理：计算每一维特征在全部样本空间中的均值μ和方差σ，使用归一化公式对每一维特征进行变换，并保存下μ和σ作为归一化模型，变换公式为：

x’＝(x-μ)/σ，

其中，x表示新的特征，x’表示归一化后的特征，所有归一化后的特征组成训练样本。

2.根据权利要求1所述的方法，其特征在于，所述步骤3包括：

步骤3-1，使用分类回归树CART作为集成学习的基分类器；使用串行结构组合的集成学习，即每一层只有一个CART，上一层的分类误差作为下一层CART的输入；

步骤3-2，根据实际需求对集成学习的评估函数进行扰动修改；

步骤3-3，使用符合步骤3-1和3-2描述的集成学习算法对步骤2-4得到的训练样本进行学习训练，生成分类模型并进行保存。

3.根据权利要求2所述的方法，其特征在于，步骤3-2中，所述根据实际需求对集成学习的评估函数进行扰动修改，包括：当需要着重监测伪装成其他船舶的渔船时，只计算渔船部分的错误率error作为目标函数：

error＝pred_{yu_other}/train_yu，

其中pred_{yu_other}表示将渔船预测成其他船舶的数量，train_yu表示训练样本中渔船样本的真实数量。