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
Supporting Maritime Situation Awareness Using Self Organizing Maps and Gaussian Mixture Models
Högskolan i Skövde, Institutionen för kommunikation och information. Högskolan i Skövde, Forskningscentrum för Informationsteknologi. (SAIL)
Högskolan i Skövde, Institutionen för kommunikation och information. Högskolan i Skövde, Forskningscentrum för Informationsteknologi. (SAIL)
Högskolan i Skövde, Institutionen för kommunikation och information. Högskolan i Skövde, Forskningscentrum för Informationsteknologi. (SAIL)
Högskolan i Skövde, Institutionen för kommunikation och information. Högskolan i Skövde, Forskningscentrum för Informationsteknologi.
2008 (Engelska)Ingår i: Proceedings of the Tenth Scandinavian Conference on Artificial Intelligence (SCAI 2008) / [ed] Anders Holst, Per Kreuger, Peter Funk, Amsterdam: IOS Press, 2008, s. 84-91Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

Maritime situation awareness is of importance in a lot of areas – e.g. detection of weapon smuggling in military peacekeeping operations, and harbor traffic control missions for the coast guard. In this paper, we have combined the use of Self Organizing Maps with Gaussian Mixture Models, in order to enable situation awareness by detecting deviations from normal behavior in an unsupervised way. Initial results show that simple anomalies can be detected using this approach.

Ort, förlag, år, upplaga, sidor
Amsterdam: IOS Press, 2008. s. 84-91
Serie
Frontiers in Artificial Intelligence and Applications, ISSN 0922-6389 ; 173
Nyckelord [en]
anomaly detection, situation awareness, data mining, surveillance
Nationell ämneskategori
Datavetenskap (datalogi)
Forskningsämne
Teknik
Identifikatorer
URN: urn:nbn:se:his:diva-3663ISI: 000273520700011Scopus ID: 2-s2.0-84867489381ISBN: 978-1-58603-867-0 OAI: oai:DiVA.org:his-3663DiVA, id: diva2:292599
Konferens
10th Scandinavian Conference on Artificial Intelligence, SCAI 2008; Stockholm; 26 May 2008 through 28 May 2008
Tillgänglig från: 2010-02-08 Skapad: 2010-02-08 Senast uppdaterad: 2018-01-12Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Scopushttp://www.booksonline.iospress.nl/Content/View.aspx?piid=8981http://books.google.com/books?id=eju691VMQlsC&lpg=PA84&ots=4KW5Cmq9q1&dq=%22Supporting%20Maritime%20Situation%20Awareness%20Using%20Self%20Organizing%20Maps%20and%20Gaussian%20Mixture%20Models%22&pg=PA84#v=onepage&q=%22Supporting%20Maritime%20Situation%20Awareness%20Using%20Self%20Organizing%20Maps%20and%20Gaussian%20Mixture%20Models%22&f=falsehttp://dl.acm.org/citation.cfm?id=1566877

Personposter BETA

Riveiro, MariaJohansson, FredrikFalkman, GöranZiemke, Tom

Sök vidare i DiVA

Av författaren/redaktören
Riveiro, MariaJohansson, FredrikFalkman, GöranZiemke, Tom
Av organisationen
Institutionen för kommunikation och informationForskningscentrum för Informationsteknologi
Datavetenskap (datalogi)

Sök vidare utanför DiVA

GoogleGoogle Scholar

isbn
urn-nbn

Altmetricpoäng

isbn
urn-nbn
Totalt: 87 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