CN119397232A 一种船舶轨迹数据的预测方法和装置 （中国船舶集团有限公司第七〇九研究所）

查询集，并对支撑集和查询集进行预设算法变2对所述支撑集进行预设算法变换，以得到第一时频谱图；对所述查对所述第一时频谱图进行特征提取，以得到第一特征权重；对所述根据所述第一特征权重和所述第二特征权重得到相关性参数，对所述船舶轨迹数据进行拟合，并将拟合后的船舶轨迹数据按长按时间顺序将所述任务集划分为所述支撑集和所述查询集。4.根据权利要求3所述的船舶轨迹数据的预测方法，其特征在于，所述第一时频谱图ttSThr;=[STn,SThz…,STnrJ进行特征提取，以得到所述第一特征权重3对所述第一特征权重和所述第二特征权重pnri进行融合，以得到所述第一特征权参数和所述第二特征权重得到所述船舶轨迹数4[0005]本发明要解决的技术问题是如何在非线性的船舶轨迹数参数和所述第二特征权重得到所述船舶轨迹5Xt(m,k)是(m,k)的二维函频谱图STir的表达式为：[0027]通过所述特征提取模块对所述第二时频谱图STin,=[STia,STie…,STirJ进行pn't'6图分别进行特征提取，学习了查询集和支撑集中隐藏特征的相关性并提取特征的权值分[0048]图2是本发明实施例提供的一种船舶轨迹数据的预测方法的任务集的划分示意[0051]图5是本发明实施例提供的一种船舶轨迹数据的预测装置的特征提取模块的结构7[0052]图6是本发明实施例提供的一种船舶轨迹数据的预测装置的输出模块的结构示意性参数和所述第二特征权重得到所述船舶轨迹数据[0062]在分别得到所述支撑集和所述查询集所对应的第一时频谱图和第二时频谱图之8[0067]使用三次样条插值法对船舶轨迹数据进行拟合的步骤通常包括：确定已知数据9Xt(m,k)是(m,k)的二维函谱图STir的表达式为：[0085]参照图3，构建特征提取模块，通过所述特征提取模块对所述第一时频谱图SThr;=[STn,STnz…,STrrJ进行特征提取，以得到所述第一特征权重通过所述特征提取模块对所述第二时频谱图STin,=[STia,STie…,STirJ进行特征提取，以得到所述第二特征权重其中，Ti为所述查询集中一个述相关性参数和所述第二特征权重得到所述船舶轨迹数据pn't'[0100]在实施例1中提出了一种船舶轨迹数据的预测方法，在本实施例中将提出一种船[0103]在优选的实施例中，所述特征提取模块可以为卷积神经网络(Convolutional降法对所述预测模型中所有网络的参数进行更新，重复实施例1中的操作直到遍历完所述[0109]在优选的实施例中，接下来将结合所述船舶轨迹预测装置来进一步说明实施例1[0115]S23：将支撑集和查询集特征权重的相关度以及查询集的特征权重输入到所述输[0121]关于所述船舶轨迹数据的预测方法的具体步骤参见实施例1，在本实施例中不再[0123]在实施例1中提供了一种船舶轨迹数据的预测方法，在本实施例中将提出一种船暂态计算机可执行程序以及模块，如本发明实施例1中的船舶轨迹数据的预测方法对应的[0129]上述船舶轨迹数据的预测方法的具体细节可以对应参阅图1、图2和图3等所示的为RAM)、快闪存储器(FlashMemory)、硬盘(HardDiskDrive，简写为HDD)或固态硬盘[0132]关于所述船舶轨迹数据的预测方法的具体步骤参见实施例1，在本实施例中不再