基于联邦学习的船舶AIS轨迹谱聚类算法研究
Federated spectral clustering algorithm for ship AIS trajectory
中国人民解放军战略支援部队信息工程大学, 郑州 450001
摘要
如何实现数据的安全共享，促进多源数据的碰撞、融合是当前学术界和产业界共同面临的重要技术挑战之一，近年来，联邦学习作为应对这一挑战的新技术受到了广泛的关注，已在智慧医疗、智慧城市建设等领域得到应用，但是在充满潜力的轨迹数据挖掘领域却鲜有研究。为了解决这个问题，提出一种安全的、分布式的基于联邦学习的谱聚类算法框架FSC（federated spectral clustering），并应用于船舶AIS（automatic identification system）轨迹数据谱聚类。该算法通过加密样本对齐技术和同态加密技术，在保证用户数据安全的前提下实现了多参与方联合训练机器学习模型。实验部分以合成数据和船舶AIS轨迹数据为样本，通过与其他聚类算法对比，验证算法具有良好的聚类性能；聚类结果能够准确提取水域船舶的主要航线，可为海事监管系统智能化提供技术支撑。
基金项目
国家自然科学基金资助项目(61862011,61872449,61772548)
出版信息
DOI: 10.19734/j.issn.1001-3695.2021.06.0221
出版期卷: 《计算机应用研究》 印刷出版, 2022年第39卷 第1期
所属栏目: 算法研究探讨
出版页码: 70-74,89
文章编号: 1001-3695(2022)01-012-0070-05
发布历史
[2021-10-08] 优先出版
[2022-01-05] 印刷出版
引用本文
吕国华, 胡学先, 张启慧, 等. 基于联邦学习的船舶AIS轨迹谱聚类算法研究 [J]. 计算机应用研究, 2022, 39 (1): 70-74,89. (Lyu Guohua, Hu Xuexian, Zhang Qihui, et al. Federated spectral clustering algorithm for ship AIS trajectory [J]. Application Research of Computers, 2022, 39 (1): 70-74,89. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
