基于LSTM-GBSVDD模型的飞行轨迹异常检测方法

    公开(公告)号:CN119848536A

    公开(公告)日:2025-04-18

    申请号:CN202411753623.6

    申请日:2024-12-02

    Abstract: 本发明涉及一种基于LSTM‑GBSVDD模型的飞行轨迹异常检测方法,为了应对飞行轨迹数据的长度变化问题,本发明利用LSTM提取时间序列中的关键特征,将可变长度的轨迹数据转换为定长表示,使得异常检测能够在固定长度的特征空间中进行,提高了模型的普适性。在特征提取基础上,引入SVDD算法构建多维超球分类器,对正常飞行轨迹进行建模。通过该模型,可以在无监督的框架下识别潜在的异常轨迹,避免了对数据标签的依赖,解决了在无监督环境下无法识别异常的瓶颈。本发明首次实现了LSTM网络参数和SVDD评分函数的联合优化,提出了一种基于梯度的训练方法。这一方法显著提高了异常检测的精度和计算效率,提升了检测性能。

    一种基于IFPRM-SBLFS深度学习的飞行模式智能识别方法

    公开(公告)号:CN119903293A

    公开(公告)日:2025-04-29

    申请号:CN202411762361.X

    申请日:2024-12-03

    Abstract: 本发明涉及一种基于IFPRM‑SBLFS深度学习的飞行模式智能识别方法,本发明首次从时间检测的角度解决飞行状态识别问题,提出了一种结合敏感边界识别和长飞行序列处理的智能飞行模式识别方法,成功破解了传统方法在单一模式识别和复合机动识别中的局限性,并能够精确定位飞行模式的时态边界,能够实现在线自动识别,大幅度提高了模型的实用性和操作便捷性。本发明设计的自适应图嵌入模块,主要用于挖掘飞行数据中多种飞行参数的空间关系,能够动态调整图结构并适应不同的飞行模式。此外,还引入了多尺度变压器检测器,使模型具备多尺度特性,能够在不同时间尺度下检测飞行时的异常模式,捕捉细微的飞行特征变化。

Patent Agency Ranking