[发明专利]一种基于多源海上目标数据的智能挖掘模型建立方法

权利要求书

1.一种基于多源海上目标数据的智能挖掘模型建立方法，其特征在于包括以下步骤：

步骤一、态势觉察，选取某一特定时刻，获取近海小型船舶在特定时刻的环境中各小型船舶的状态信息，通过态势觉察的方法对当前时刻下各小型船舶的状态信息进行逐层提取事件和聚类分群处理，得到小型船舶状态信息中的特定类型态势特征向量；

步骤二、态势理解，通过识别步骤一中得到的特定时刻下小型船舶状态信息中的特定类型态势特征向量，确定它们之间的关系，并结合领域知识和航行态势分析知识库对当前时刻下态势特征的分析和解释，实现对特定时刻下小型船舶状态信息中的特定类型态势特征向量的态势理解；

步骤三、态势预测，引入智能数据挖掘技术，结合航行态势分析知识库采用还原论的思想对小型船舶近期状态信息数据进行分析，利用时序分析法对各小型船舶的状态估计；

步骤四、建立行为决策模型，通过将步骤三中对各小型船舶状态的估计预测拟合成小型船舶行为决策集合，利用各个小型船舶行为决策集合建立行为决策模型；

步骤五、小型船舶行为判断，通过步骤四中建立的行为决策模型，结合航行态势分析知识库对小型船舶航行危险、违规违法和导致危险进行判断，并实现预警；

所述步骤一的态势觉察的方法中需要利用获取的态势特征元素把小型船舶按照空间和功能进行分群从而推断更高级别的态势描述，分群的基本思想是对有用的数据进行分组，以便后续评估确定态势元素之间的相互关系，并能够据此从各个层次分析小型船舶态势的行为特征；

所述步骤二中态势理解通过对目标的分层设计,将特定时刻的各小型船舶的属性和状态信息作为第一层面进行识别，将特定时刻的各小型船舶特定类型态势特征之间的关系作为第二层面，将特定时刻的各小型船舶的航行变化趋势作为第三层面；

其中，所述步骤一的态势觉察方法的处理过程表示为

X×Y→Z

其中X表示一级融合的输出向量，描述各个小型船舶在各个时刻的属性及行为信息；Y表示小型船舶领域的事件特征及聚类编群数据库；Z表示处理得到的小型船舶状态信息中的特定类型态势特征向量；

所述步骤三中采用还原论的思想对小型：船舶近期状态信息数据匹配小型船舶航行的历史数据，利用支持向量回归预测算法进行对比分析，从而实现小型船舶的态势预测。

2.根据权利要求1所述的一种基于多源海上目标数据的智能挖掘模型建立方法，其特征在于：所述步骤四中小型船舶的行为决策包括航行速度的增加和减少、航行方向的改变和违规违法航行。

3.根据权利要求1所述的一种基于多源海上目标数据的智能挖掘模型建立方法，其特征在于：所述步骤五中对小型船舶行为判断的同时，将小型船舶航行危险、违规违法和导致危险行为拟合成对应的数据库，以便后期快速判断预警。