Ship classification using automatic identification system data
Otomatik tanımlama sistemi verilerinden gemi sınıflandırması
- Tez No: 724266
- Danışmanlar: PROF. DR. NAFİZ ARICA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Mühendislik ve Doğa Bilimleri Ana Bilim Dalı
- Bilim Dalı: Büyük Veri Analitiği ve Yönetimi Bilim Dalı
- Sayfa Sayısı: 114
Özet
Bu tez çalışmasında önerilen yöntemler ve makine öğrenmesi algoritmaları kullanılarak gemi sınıflandırma problemi çözülmüş, bilinmeyen gemi tipleri tespit edilmiştir. Böylece Tanımlanmış Deniz Resmi oluşturularak durumsal ve bölgesel farkındalık artırılmıştır. Çalışmada gemilerin statik, dinamik ve seyirle ilgili bilgilerinden oluşan Otomatik Tanımlama Sistemi (OTS) veri seti kullanılmıştır. Ancak gemi yörüngeleri oluşturulurken yalnızca OTS veri setinde yer alan konum ve hız vektörleri kullanılmıştır. Diğer bir deyişle, gemi sınıflandırma görevi sınırlı sayıda öznitelik kullanılarak gerçekleştirilmiştir. Gemi yörüngelerinin analizi yapılarak gemilerin karakteristik hareket dinamikleri belirlenmiş ve gemiler bu karakteristik hareket dinamiklerine göre sınıflandırılmıştır. Sınıflandırma görevini gerçekleştirmek için makine öğrenme algoritmalarından Random Forest, XGBoost, LightGBM, CatBoost, LSTM ve Transformer kullanılmıştır. Random Forest dışındaki bu sınıflandırma algoritmaları denizcilik alanında ilk defa bu tezde kullanılmıştır. LGBM sınıflandırıcısı kargo, balıkçı ve yolcu gemisi olmak üzere 3 gemi tipini yüzde 91 doğruluk oranı ile başarılı bir şekilde sınıflandırmıştır. XGBoost sınıflandırıcısı kargo, balıkçı, yolcu, tanker ve römorkör gemisi olmak üzere 5 gemi tipini yüzde 75 doğruluk oranı ile başarılı bir şekilde sınıflandırmıştır. Yapılan deneylerin sonuçlarına göre geliştirilen yöntemin ve kullanılan sınıflandırma algoritmalarının gemileri türlerine göre başarılı bir şekilde sınıflandırdığı görülmüştür.
Özet (Çeviri)
In this thesis, the ship classification problem was solved, and unknown ship types were identified by using the proposed methods and machine learning algorithms. Situational and regional awareness was increased by generating the Recognized Maritime Picture (RMP) in this way. The Automatic Identification System (AIS) dataset which consists of static, dynamic, and voyage related information of ships was used in this study. However, only the position and velocity vectors in the AIS dataset were used when the generation of ship trajectories. The ship classification task was performed using a limited number of features in other words. The characteristic movement dynamics of ship types were identified from the analysis of ship trajectories and the ships were classified according to their characteristic movement dynamics. The Machine Learning algorithms which are Random Forest, XGBoost, LightGBM, CatBoost, LSTM and Transformer were used to perform classification task. These classification algorithms except for Random Forest were used for the first time in the maritime domain in this thesis. The LGBM classifier was achieved the highest ship classification accuracy rate with 91 percent for 3 ship types which are cargo, fishing, and passenger. The XGBoost classifier was achieved the highest ship classification accuracy rate with 75 percent for 5 ship types which are cargo, fishing, passenger, tanker, and tug. According to the experimental results show that the developed method and the used classification algorithms successfully classified the ships according to their types.
Benzer Tezler
- Özellik önemine göre otomatik tanımlama sistemi verilerindeki eksik kalıpları yükleme
Imputing missing values in automatic identification system data by feature importance
ECEM NİLAY BAZMAN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Kültür ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. FATMA PATLAR AKBULUT
- Konteyner liman operasyonlarının makine öğrenmesi yöntemleri ile analizi
Analysis of container port operations using machine learning methods
ÜSTÜN ATAK
Doktora
Türkçe
2022
Deniz Bilimleriİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. DR. YASİN ARSLANOĞLU
PROF. DR. TOLGA KAYA
- Autonomous ship recognition from color images
Renkli resimlerden otomatik gemi tanımlama
DENİZ KUMLU
Yüksek Lisans
İngilizce
2012
Elektrik ve Elektronik MühendisliğiUniversity of Southern CaliforniaElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. B. KEITH JENKINS
- Derin öğrenme yöntemleri ile uydu görüntülerinden gemilerin tespiti ve sınıflandırılması
Detection and classification of ships from satellite images using deep learning methods
MEHMET SAMİ TÜRKER
Yüksek Lisans
Türkçe
2024
Savunma ve Savunma TeknolojileriKırıkkale ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ENES AYAN
- Gemi kıç takıntılarında kalite kontrol ve iş planı
Quality control and schedule work at the stern appendages of ship
MUSTAFA ALTIPARMAK
Yüksek Lisans
Türkçe
1997
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi İnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. S. AYDIN ŞALCI