메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색

논문 기본 정보

자료유형
학위논문
저자정보

손준형 (한남대학교, 한남대학교 대학원)

지도교수
김경택
발행연도
2022
저작권
한남대학교 논문은 저작권에 의해 보호받습니다.

이용수13

표지
AI에게 요청하기
추천
검색

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
최근 군용 레이더, 해안 CCTV 등의 감시 장비가 중국 불법 밀입국자들의 소형 고무보트를 탐지했음에도, 해안 경계병이 이를 인지하지 못해 밀입국자들이 해안에 도착하여 달아난 사건이 있었다. 이후 이러한 선박이 해안에 도착하기 전에 탐지하는 것이 경계태세 강화를 위해 해결해야 할 중요한 과제로 대두되었다.
본 논문에서는 현재 대부분의 선박에 장착되어 정보를 지속 전송하고 있는 AIS(Automatic Identification System) 데이터를 활용해 인공신경망인 합성곱 오토인코더(CAE, Convolutional Autoencoder)로 이상거동 선박의 항해 궤적을 자동 식별하는 방법을 제안한다.
선박의 이상거동 감지는 대부분 정상적인 궤적에서 크게 벗어난 궤적을 감지하는 프로세스라 할 수 있다. 이 방법은 이미지로 형상화된 정상적인 궤적을 CAE가 학습 및 훈련 후 비정상적으로 움직이는 궤적이 입력되면 오류가 발생하도록 하는 것이다. 이 모델은 정상적인 궤적에서 임의로 몇 픽셀을 이동한 비정상 궤적을 얼마나 정확하게 감지하는지 보여준다.
모델은 실제 AIS 데이터를 이용하여 이상거동 선박을 식별하므로 다양한 해상감시 시스템에 적용 시 국가안보 강화에 이바지할 것으로 기대된다.

목차

제1장 서론 1
1.1 연구 배경 및 필요성 1
1.2 연구 범위 2
1.3 연구의 구성 3
제2장 배경이론 및 전통적인 연구 5
2.1 AIS 자료의 특성 5
2.1.1 AIS 일반 및 수신자료의 종류 5
2.1.2 AIS 정보(데이터) 내용 9
2.1.3 AIS 자료의 특성 15
2.2 전통적인 유사궤적 및 이상거동 선박에 대한 연구 15
2.2.1 유클리디안 거리(ED) 방식 17
2.2.2 동적시간왜곡 거리(DTW) 방식 21
2.2.3 가장 긴 공통 하위 시퀀스 거리(LCSS) 방식 24
2.2.4 실제 시퀀스 거리 편집(EDR) 방식 28
2.2.5 실제 패널티 거리 수정(ERP) 방식 30
2.2.6 기타 방식 32
제3장 머신러닝을 이용한 이상거동 선박 연구 34
3.1 머신러닝의 개념 34
3.2 인공신경망의 개념 37
3.3 인공신경망의 종류 50
3.3.1 합성곱 신경망(CNN) 51
3.3.2 오토인코더(AE) 58
3.3.3 그 외의 인공신경망 62
3.4 인공신경망을 이용한 이상거동선박 연구 사례 71
제4장 모델 78
4.1 사전 프로세싱 79
4.2 합성곱 오토인코더(CAE) 81
4.3 새로운 궤적에 대한 이상거동 식별 85
제5장 실험 86
5.1 데이터 전처리 86
5.2 합성곱 오토인코더(CAE) 훈련 87
5.3 비정상 궤적을 입력한 결과 및 분석 89
5.3.1 정상궤적과 이격거리별 식별률 측정 90
5.3.2 정상궤적과 궤적길이별 식별률 측정 94
제6장 결론 99
참고문헌 102
국문요약 106
ABSTRACT 108

최근 본 자료

전체보기

댓글(0)

0