[发明专利]船舶静态数据补充方法和装置、电子设备和可读存储介质

权利要求书

1.一种船舶静态数据补充方法，其特征在于，包括：

获取样本船舶集合，所述样本船舶集合包括具有完整的船舶静态信息和船舶历史轨迹数据的船舶集合；

对所述样本船舶集合进行处理，得到样本特征数据；

基于所述样本特征数据，构建特征有效性判断模型；

采用所述特征有效性判断模型对所述样本特征数据进行有效性判断，并且，对无效数据进行第一有效值替换，得到第一数据；

通过所述第一数据，构建静态数据补充模型；

获取目标船舶信息，所述目标船舶信息包括目标船舶静态信息和目标船舶历史轨迹数据；

对所述目标船舶信息进行处理，得到目标特征数据；

采用所述特征有效性判断模型对所述目标特征数据进行有效性判断，并且，对无效数据进行第二有效值替换，得到第二数据；

将所述第二数据输入至所述静态数据补充模型，对所述目标船舶静态信息进行静态数据补充，得到完整的所述目标船舶静态信息；

所述特征有效性判断模型包括：

对所述样本特征数据中每个特征分别建立模型；和/或

对所述样本特征数据中多个相关特征建立联合模型；

所述通过所述第一数据，构建静态数据补充模型，具体包括：

基于加权分类回归树模型，通过所述第一数据，构建静态数据补充模型。

2.根据权利要求1所述的船舶静态数据补充方法，其特征在于，所述对所述样本船舶集合进行处理，得到样本特征数据，具体包括：

采用目标变量编码方法对类别特征进行编码；

对所述船舶历史轨迹数据进行处理，生成轨迹特征。

3.根据权利要求1所述的船舶静态数据补充方法，其特征在于，所述基于所述样本特征数据，构建特征有效性判断模型，具体包括：

基于所述样本特征数据，采用半监督的异常检测算法，构建特征有效性判断模型。

4.根据权利要求3所述的船舶静态数据补充方法，其特征在于，所述半监督的异常检测算法，具体包括：

设所述样本特征数据服从高斯分布，采用最小协方差行列式估计器估计所述样本特征数据的均值估计量和协方差估计量，基于所述协方差估计量，获取所述样本特征数据中的特征变量值与所述均值估计量的马氏距离，拟合出所述样本特征数据的椭圆形包络，所述椭圆形包络之内的特征变量值为有效值，所述椭圆形包络外的特征变量值为无效值。

5.根据权利要求1所述的船舶静态数据补充方法，其特征在于，所述加权分类回归树模型为基于分类回归树模型的改进，所述加权分类回归树模型对所述第一数据中不同的特征变量值进行赋权，采用加权均方误差作为损失函数，树生成时，递归按最优特征与最优特征下的最优取值对空间进行划分，直到满足停止条件，得到回归树，所述回归树即为所述静态数据补充模型。