实体
Electronic Navigational Charts
Electronic Navigational Charts
PulseAugur coverage of Electronic Navigational Charts — every cluster mentioning Electronic Navigational Charts across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
图神经网络提升海事导航图安全分类
研究人员开发了一种新颖的方法，利用图神经网络（GNNs）对海事导航图中的变更关键性进行分类。通过将电子海图（ENCs）表示为图结构，他们可以分析对象之间的空间和语义关系，以确定航行安全风险。该方法在提高这些关键数据集维护的效率和准确性方面显示出潜力。
-
机器学习改进海图变更分类
研究人员开发了一种机器学习方法，可自动对电子海图（ENC）的变更进行分类，这对于海上安全至关重要。该方法将复杂的矢量数据变更转换为结构化格式，并融入了空间上下文和属性编码。在两个运行数据集上进行测试时，利用这些增强编码的梯度提升树模型达到了 90% 和 94% 的准确率，比标准模型提高了 5-7%。