Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Integration of a Self-Organizing Map and a Virtual Pheromone for Real Time Abnormal Movement Detection in Marine Traffic

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F17%3A10236462" target="_blank" >RIV/61989100:27240/17:10236462 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/61989100:27740/17:10236462

  • Výsledek na webu

    <a href="https://www.mii.lt/informatica/htm/INFO1145.htm" target="_blank" >https://www.mii.lt/informatica/htm/INFO1145.htm</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.15388/Informatica.2017.133" target="_blank" >10.15388/Informatica.2017.133</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Integration of a Self-Organizing Map and a Virtual Pheromone for Real Time Abnormal Movement Detection in Marine Traffic

  • Popis výsledku v původním jazyce

    In recent years, the growth of marine traffic in ports and their surroundings raise the traffic and security control problems and increase the workload for traffic control operators. The automated identification system of vessel movement generates huge amounts of data that need to be analysed to make the proper decision. Thus, rapid self-learning algorithms for the decision support system have to be developed to detect the abnormal vessel movement in intense marine traffic areas. The paper presents a new self-learning adaptive classification algorithm based on the combination of a self-organizing map (SOM) and a virtual pheromone for abnormal vessel movement detection in maritime traffic. To improve the quality of classification results, Mexican hat neighbourhood function has been used as a SOM neighbourhood function. To estimate the classification results of the proposed algorithm, an experimental investigation has been performed using the real data set, provided by the Klaipeda seaport and that obtained from the automated identification system. The results of the research show that the proposed algorithm provides rapid self-learning characteristics and classification.

  • Název v anglickém jazyce

    Integration of a Self-Organizing Map and a Virtual Pheromone for Real Time Abnormal Movement Detection in Marine Traffic

  • Popis výsledku anglicky

    In recent years, the growth of marine traffic in ports and their surroundings raise the traffic and security control problems and increase the workload for traffic control operators. The automated identification system of vessel movement generates huge amounts of data that need to be analysed to make the proper decision. Thus, rapid self-learning algorithms for the decision support system have to be developed to detect the abnormal vessel movement in intense marine traffic areas. The paper presents a new self-learning adaptive classification algorithm based on the combination of a self-organizing map (SOM) and a virtual pheromone for abnormal vessel movement detection in maritime traffic. To improve the quality of classification results, Mexican hat neighbourhood function has been used as a SOM neighbourhood function. To estimate the classification results of the proposed algorithm, an experimental investigation has been performed using the real data set, provided by the Klaipeda seaport and that obtained from the automated identification system. The results of the research show that the proposed algorithm provides rapid self-learning characteristics and classification.

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/LM2015070" target="_blank" >LM2015070: IT4Innovations národní superpočítačové centrum</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2017

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Informatica

  • ISSN

    0868-4952

  • e-ISSN

  • Svazek periodika

    28

  • Číslo periodika v rámci svazku

    2

  • Stát vydavatele periodika

    LT - Litevská republika

  • Počet stran výsledku

    16

  • Strana od-do

    359-374

  • Kód UT WoS článku

    000405641900007

  • EID výsledku v databázi Scopus

    2-s2.0-85031682286