面向到达轨迹流模式识别与异常检测的集成无监督框架
《Aerospace》:An Integrated Unsupervised Framework for Arrival Trajectory Flow Pattern Recognition and Anomaly Detection
【字体:
大
中
小
】
时间:2026年08月30日
来源:Aerospace 2.5
编辑推荐:
飞行轨迹数据中的流模式识别与异常检测是空中交通管理中的基本任务。前者为理解飞行轨迹提供基础,后者则旨在精确定位偏离正常模式的轨迹。尽管两者相互关联且具有协同潜力,但这些任务通常被分别处理。因此,本文提出了一种集成无监督学习框架,称为集成无监督模式识别与异常检测框架(IU-PI
飞行轨迹数据中的流模式识别与异常检测是空中交通管理中的基本任务。前者为理解飞行轨迹提供基础,后者则旨在精确定位偏离正常模式的轨迹。尽管两者相互关联且具有协同潜力,但这些任务通常被分别处理。因此,本文提出了一种集成无监督学习框架,称为集成无监督模式识别与异常检测框架(IU-PIAD)。该框架由编码器、生成器和判别器组成,能够实现流模式识别与异常检测的同步执行。编码器将轨迹映射到潜空间表示,由生成器进行重建。判别器的输出被整合用于计算轨迹的异常分数以实现异常检测。此外,在潜空间中引入聚类分配增强机制以提升簇稳定性,从而支持流模式识别。基于真实飞行轨迹数据的实验分析表明,所提出的框架在异常检测和流模式识别任务中均取得了良好性能。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号