-
题名基于GRU-VAE的无监督航迹异常检测方法
- 1
-
-
作者
李磊
张静
欧阳齐铖
周明康
-
机构
中国人民解放军战略支援部队信息工程大学
中国通信建设第四工程局有限公司
-
出处
《指挥控制与仿真》
2023年第5期51-64,共14页
-
文摘
针对海量无行为模式标签航迹数据的目标行为异常检测问题,提出一种基于门控循环单元的变分自编码器模型(Gate Recurrent Unit-Variational Autoencoder,GRU-VAE)无监督航迹异常检测方法。该方法通过检测航迹异常发现目标的行为异常,分为模型训练阶段和异常检测阶段两步实施:在模型训练阶段,构建了以GRU和VAE为主要结构元素的基于门控循环单元的变分自编码器模型,利用无异常信息标签的历史航迹数据对GRU-VAE模型进行训练,根据训练集的航迹点重构损失分布情况,采用正态分布法或百分位数法划定置信区间为航迹点重构损失门限;在异常检测阶段,该模型对实时航迹数据集进行检测,将重构损失超出航迹点重构损失门限的航迹点视为异常航迹点,当航迹序列中的异常航迹点占比超出占比阈值时,判定为异常航迹序列,结合数据异常情况向一线人员发送目标的异常行为信息。AIS数据实验结果表明,模型最高F 1分数达86.36%,查全率达95%。本方法对异常航迹的检测具有高灵敏度和低漏警率,可满足战场态势认知需求。
-
关键词
数据挖掘
航迹数据
异常检测
无监督学习
-
Keywords
data mining
track data
anomaly detection
unsupervised learning
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-