موروری بر الگوریتم DBSCAN برای بازسازی داده های AIS

سیستم شناسایی خودکار AIS یک سیستم مخابراتی است که به کشتی ها اجازه می دهد تا با تبادل پیام های حاوی اطلاعاتی مانند شناسه کشتی، موقعیت، سرعت، سمت و غیره با یکدیگر ارتباط برقرار کنند. AIS در بسیاری از موارد مانند تشخیص زودهنگام برخورد کشتی مفید است. با این حال، نقطه ضعف بخش زمینی آن برد نسبتا کم (حدود ۷۴ کیلومتر، تقریبا ۴۰ مایل دریایی) است. سیستم شناسایی خودکار ماهواره ای SAT-AISبرای غلبه بر این محدودیت معرفی شد، اما از مشکل خاص خود به نام برخورد بسته ها رنج می برد. ماهواره پیام ها را از سلول های زمینی متعدد دریافت می کند و ارتباطات در این سلول ها هماهنگ می شود، اما نه بین آنها، بنابراین پیام ها وقتی همزمان در ماهواره ظاهر می شوند گم یا آسیب می بینند. در این مقاله، ما یک رویکرد مبتنی بر یادگیری ماشین را برای بازسازی آن پیام های گمشده ارائه می کنیم و عمیقا بررسی می کنیم که آیا یک خوشه بندی فضایی مبتنی بر چگالی برنامه های کاربردی با نویز DBSCANرا می توان در مرحله اول بازسازی در نظر گرفت یا خیر. این آزمایش بر روی یافتن پارامترهای بهینه برای خوشه بندی تمرکز می کند و آن را هم روی داده های اصلی و هم روی داده های آسیب دیده اجرا می کند تا در نهایت مشخص شود که DSBCAN می تواند مسیرهای منفرد در مجموعه داده را تشخیص دهد که می توانند بیشتر بازسازی شوند.

Keywords:

DSBCAN , سیستم شناسایی خودکار , AIS , مبتنی بر چگالی