信息与电脑杂志

摘要：针对传统船舶轨迹离线压缩方法因仅保留特征点而导致轨迹残缺、复原困难等问题，文章提出了一种基于过拟合反向传播（Overfitting-Backpropagation, OFBP）神经网络的压缩方案。该方案通过时间戳数值化、合理增加神经元数量及丢弃正则化的手段优化网络过拟合能力，以时间戳和网络参数替代原始轨迹数据。实验结果表明，OFBP神经网络的轨迹拟合能力约为反向传播（Backpropagation, BP）神经网络的6倍，压缩后平均误差为9.72×10-4,压缩率达65.6%,耗时低于1.5 s,可实现轨迹的高保真与高效压缩。

关键词： 神经网络;船舶轨迹;离线压缩;过拟合反向传播神经网络;时间戳;

专辑： 信息科技;工程科技Ⅱ辑

专题： 船舶工业;计算机软件及计算机应用;自动化技术

分类号： U675.79;TP183