利用深度森林进行船舶类型分类识别OA

针对船舶轨迹特征单一、分类的船型有限和利用AIS数据对海上船舶类型分类识别的研究比较欠缺等问题,提出一种基于深度森林(Deep Forest)的船舶类型分类识别方法。首先,该方法提取船舶轨迹段的16个运动特征,提高船舶特征的多样性和辨识度;其次,利用随机森林的重采样技术和特征选取的随机性,构造随机森林作为个体学习器,增强类型分类的鲁棒性;最后,对4个森林集成并串联构成具有自适应迭代层数能力的深度森林,从深度上加强表征学习,提升泛化能力。实验表明,该方法适用于小规模数据集的船舶类型分类识别,对游艇和其他类型的船舶分类效果显著,能够有效提升货船和油轮的分类精度,分类时效性好,并且随着样本库的扩展和模型的优化存在提升空间。