基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
船舶交通管理(VTS)对覆盖区域内的船舶密集区域进行有效识别,并对区域内的船舶实施远程预警,可以提升通航效率,减少海上险情事故.通过改进K-means聚类算法建立海上船舶密集区域识别模型,并设计VTS船舶密集区预警系统,结合AIS数据实验模拟,该算法对船舶密集区域的识别是有效且可行的.
推荐文章
k-means算法的研究与改进
聚类
划分方法
数据样本
阈值
改进的K-means算法
K-means算法
数据分布
初始中心点
均衡化函数
基于改进磷虾群算法的K-means算法
磷虾群算法
聚类算法
精英引领
最佳聚类数
动态分群
改进的k-means算法在入侵检测中的应用
入侵检测
聚类分析
k均值
相异度
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 改进K-means算法的船舶密集区域识别模型研究与VTS应用
来源期刊 中国海事 学科 交通运输
关键词 K-means 差分进化算法 VTS 海事 VTS远程预警
年,卷(期) 2022,(1) 所属期刊栏目 海事技术|Maritime Technology
研究方向 页码范围 53-56
页数 4页 分类号 U675.7
字数 语种 中文
DOI 10.16831/j.cnki.issn1673-2278.2022.01.016
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
K-means
差分进化算法
VTS
海事
VTS远程预警
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中国海事
月刊
1673-2278
11-5352/U
大16开
天津市河西区黑牛城道34号
1992
chi
出版文献量(篇)
6021
总下载数(次)
5
总被引数(次)
6100
论文1v1指导