【ECML-PKDD 2019】从AIS数据中发现隐藏的概念:一种用于异常检测的海上交通网络抽象（Uncovering hidden concepts from AIS data: A network abstraction of maritime traffic for anomaly detection）

题目： Uncovering hidden concepts from AIS data: A network abstraction of maritime traffic for anomaly detection

简介：

船舶自动识别系统(AIS)在多种类型船舶上的强制使用，为海上监视提供了新的机会。AIS应答器是一个丰富的信息源，每个人都可以使用射频接收器来收集，并提供船舶位置的实时信息。适当利用AIS数据，可以发现潜在的非法行为，提供实时警报，并通知当局任何船只的异常行为。

在本文中,我们扩展现有网络抽象的海上交通,基于节点(称为路点)对应于海军领域长期保持或主要是血管(例如：港口、披风、海上平台等)和边(称为遍历)对应于两个连续的路径点之间的航线船舶紧随其后。目前的工作集中在这个网络抽象的连接，并丰富了他们的语义信息，当跨越一个边缘容器时使用不同的方式。为此提出了一种新的基于密度的聚类算法DB-Scan，该算法修改了算法的邻近参数(即epsilon)。建议的替代方法是将i)航速、ii)航路及iii)船位的差异串联起来，以厘定两个连续船只位置之间的距离(两个来自同一船只的连续AIS信号)。结果表明，这种组合的性能明显优于只使用空间距离，更重要的是，结果在集群具有非常有趣的属性。丰富的网络模型可以通过数据挖掘技术进行处理和进一步检查，甚至在无监督的情况下，以识别血管轨迹中的异常。在真实数据集上的实验结果显示了该网络在探测航迹异常点和发现船舶航迹偏差方面的潜力。

邀请嘉宾：

Iraklis Varlamis目前是雅典Harokopio大学信息学和远程信息学系的副教授，教授的课程有数据库、数据库设计、数据挖掘和编程。主要研究兴趣是数据库、数据与信息管理和挖掘，研究重点是语义在web挖掘任务中的应用，研究工作也适用于社交网络中的知识管理和挖掘。

Konstantinos Tserpes是雅典Harokopio大学Web系统编程技术领域的助理教授，研究重点是面向服务的计算和数据分析。