[发明专利]一种基于GNN的船舶分类识别方法及装置

权利要求书

1.一种基于GNN的船舶分类识别方法，其特征在于，所述方法包括以下步骤：

步骤S101：提取船舶AIS数据的特征，构建样本总集，所述样本总集为三维矩阵；将所述样本总集转化为图结构数据，并将所述样本总集分为训练集和测试集；

步骤S102：由训练集训练GNN网络模型，将测试集中全部待测样本的船舶AIS数据的特征输入训练好的GNN网络模型以测试GNN网络有效性，利用测试通过的GNN网络对待分类船舶进行分类；

其中，每条轨迹作为一个样本，所述样本总集为三维矩阵；所述三维矩阵的第一维为所述AIS数据的轨迹数S＝{S₁，…，S_i，…，S_num}；第二维为所述AIS数据的轨迹S_i上的轨迹点数N；第三维为每个轨迹点的属性，包括IMO、h、v、t-stamp、lat、lon；其中，IMO为船舶IMO编码、h为船首向特征、v为航速，t-stamp为时间戳，lat为轨迹点纬度值，lon为轨迹点经度值；

将所述样本总集转化为图结构数据G＝(V，Edge)，其中V为顶点，Edge为连接顶点的边；该图结构数据以轨迹点的船首向特征h作为顶点特征，构建顶点特征矩阵M；根据航速特征v计算连接顶点的边的权重，构建邻接矩阵B；

所述GNN网络模型为具有两层图卷积层的GNN神经网络模型。

2.如权利要求1所述的基于GNN的船舶分类识别方法，其特征在于，所述将所述样本总集转化为图结构数据，包括：

步骤S1011：确定图结构中顶点的感受野，包括：

计算待测样本之间的平均哈氏距离

其中，为轨迹S_i中第n个轨迹点与轨迹S_j中第n个轨迹点之间的哈氏距离；

设置关系强度阈值，将哈氏距离按照从小到大的顺序排序，哈氏距离小于所述关系强度阈值的表示顶点之间距离特征为强连接关系，哈氏距离大于所述关系强度阈值的表示顶点间距离特征为弱连接关系；将强连接关系用1表示，弱连接关系用0表示，构建基于空间距离连接强度特征的关系矩阵R，以确定顶点的感受野；关系矩阵I的维度为X×X，X表示样本数，即图的顶点数：

其中Thr表示关系强度阈值，为待测样本之间的平均哈氏距离；

步骤S1012：根据所述样本中所有轨迹点的平均航速ave_v,计算任意两个样本的平均航速差的二范数，作为图结构中边的权重，得到权重矩阵E，其维度为X×X，

其中为轨迹S_i的平均航速，表示轨迹S_j的平均航速；

步骤S1013：基于权重矩阵E，构建邻接矩阵B：

将基于空间距离连接强度特征的关系矩阵R点乘边的权重矩阵E，得到邻接矩阵B，其维度为X×X，

B＝R·E

并将邻接矩阵B进行归一化处理：

其中min(B)为矩阵B中的最小值，max(B)为矩阵中的最大值，B(i,j)为归一化后的邻接矩阵；

步骤S1014：提取轨迹点的船首向特征作为顶点特征，构建顶点特征矩阵M，其维度为X×1。

3.如权利要求2所述的基于GNN的船舶分类识别方法，其特征在于，步骤S101之前，对船舶AIS数据进行数据清洗，包括：

丢弃符合数据清洗条件的脏数据，脏数据包括异常的位置数据，冗余的位置数据，其中异常的位置数据指相邻两轨迹点数据在时间间隔小于第一预设时间间隔时距离差大于第一预设距离阈值，冗余的位置数据指相邻两轨迹点数据特征属性完全相同。