买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明涉及一种舰船水上航道轨迹分类方法及系统，其中，该方法包括：根据LSTM模型对多条舰船轨迹进行编码，获取舰船轨迹间的序列依赖特征，并捕获舰船轨迹间的序列中相邻地点间的依赖关系；通过多头注意力机制来学习每个地点的重要性，并根据LSTM模型提取舰船轨迹重要性特征；基于舰船轨迹间的序列依赖特征和舰船轨迹重要性特征，得到成固定长度的轨迹特征向量；使用Softmax多分类模型对轨迹特征向量进行分类，得到各条舰船航迹的轨迹类型。本发明中的模型可以将舰船海上航迹转为固定大小的特征向量，保留了原始数据的空间表达能力的同时简化了舰船数据的特征提取工作，可以充分利用舰船轨迹数据的空间特征并提高方法的准确性，提高了数据处理的效率。

主权项：1.一种舰船水上航道轨迹分类方法，其特征在于，包括：步骤S101：根据LSTM模型对多条舰船轨迹进行编码，获取舰船轨迹间的序列依赖特征，并捕获所述舰船轨迹间的序列中相邻地点间的依赖关系；步骤S102：通过多头注意力机制来学习每个地点的重要性，并根据所述LSTM模型提取舰船轨迹重要性特征；步骤S103：基于所述舰船轨迹间的序列依赖特征和所述舰船轨迹重要性特征，得到成固定长度的轨迹特征向量；步骤S104：使用Softmax多分类模型对所述轨迹特征向量进行分类，得到各条舰船航迹的轨迹类型；所述步骤S101中，将舰船轨迹表示为，其中表示航迹轨迹的长度，表示每个航迹轨迹点的特征维度并且所述舰船轨迹间的序列特征表示为： ；其中，，再通过所述舰船轨迹间的序列中相邻地点间的依赖关系将序列维度从维转为维；所述步骤S102中，通过多头注意力机制来学习每个地点的重要性特征表示为： ；其中，,，表示两个权值矩阵；使用多头注意力机制独立学习得到r组不同的线性投影来变换查询、键和值使这r组变换后的查询、键和值将并行地进行注意力池化，将这r个注意力池化的输出拼接在一起，并且通过另一个可以学习的线性投影进行变换，以产生最终输出，其中，r个注意力池化输出中的每一个输出都被称作一个头；所述步骤S103中，将所述航迹轨迹点的特征表示为所述序列特征和所述重要性特征的乘积： ；其中，；所述步骤S104中，所述Softmax多分类模型训练过程中采用多分类交叉熵损失函数，其计算公式如下： ；其中，是真实类别，表示模型输出的类别，表示舰船轨迹的所有类型数量。

全文数据：

权利要求：

百度查询： 中国船舶集团有限公司第七一九研究所 一种舰船水上航道轨迹分类方法及系统