his.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Improving maritime anomaly detection and situation awareness through interactive visualization
Högskolan i Skövde, Institutionen för kommunikation och information. Högskolan i Skövde, Forskningscentrum för Informationsteknologi.ORCID-id: 0000-0003-2900-9335
Högskolan i Skövde, Forskningscentrum för Informationsteknologi. Högskolan i Skövde, Institutionen för kommunikation och information. Högskolan i Skövde, Skövde Artificial Intelligence Lab (SAIL).ORCID-id: 0000-0001-8884-2154
Högskolan i Skövde, Institutionen för kommunikation och information. Högskolan i Skövde, Forskningscentrum för Informationsteknologi.ORCID-id: 0000-0001-6883-2450
2008 (Engelska)Ingår i: Proceedings of the 11th International Conference on Information Fusion (FUSION 2008), IEEE Computer Society, 2008, s. 47-54Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

Surveillance of large land, air or sea areas with a multitude of sensor and sensor types typically generates huge amounts of data. Human operators trying to establish individual or collective maritime situation awareness are often overloaded by this information. In order to help them cope with this information overload, we have developed a combined methodology of data visualization, interaction and mining techniques that allows filtering out anomalous vessels, by building a model over normal behavior from which the user can detect deviations. The methodology includes a set of interactive visual representations that support the insertion of the user’s knowledge and experience in the creation, validation and continuous update of the normal model. Additionally, this paper presents a software prototype that implements the suggested methodology.

 

Ort, förlag, år, upplaga, sidor
IEEE Computer Society, 2008. s. 47-54
Nyckelord [en]
anomaly detection, interaction, visualization, situation awareness, visual data mining, visual analytics
Nationell ämneskategori
Data- och informationsvetenskap
Forskningsämne
Teknik
Identifikatorer
URN: urn:nbn:se:his:diva-3626Scopus ID: 2-s2.0-56749112449ISBN: 978-3-00-024883-2 ISBN: 978-3-8007-3092-6 OAI: oai:DiVA.org:his-3626DiVA, id: diva2:291335
Konferens
11th International Conference on Information Fusion, FUSION 2008; Cologne; Germany; 30 June 2008 through 3 July 2008
Anmärkning

Best Student Paper Award.

Tillgänglig från: 2010-02-01 Skapad: 2010-02-01 Senast uppdaterad: 2018-01-12Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Scopushttp://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=4632191

Personposter BETA

Riveiro, MariaFalkman, GöranZiemke, Tom

Sök vidare i DiVA

Av författaren/redaktören
Riveiro, MariaFalkman, GöranZiemke, Tom
Av organisationen
Institutionen för kommunikation och informationForskningscentrum för InformationsteknologiSkövde Artificial Intelligence Lab (SAIL)
Data- och informationsvetenskap

Sök vidare utanför DiVA

GoogleGoogle Scholar

isbn
urn-nbn

Altmetricpoäng

isbn
urn-nbn
Totalt: 177 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf