Resumen

La detección de valores atípicos en las señales de radar es un reto considerable en las aplicaciones de vigilancia marítima. Los radares de ondas superficiales de alta frecuencia (HFSW) han despertado un gran interés como herramientas potenciales para la identificación de objetivos de largo alcance y la detección de valores atípicos a distancias sobre el horizonte (OTH). Sin embargo, una serie de desventajas, como su baja resolución espacial y la presencia de desorden, tienen un impacto negativo en su precisión. En este trabajo, exploramos la aplicabilidad de las técnicas de aprendizaje profundo para detectar desviaciones de la norma en los patrones de comportamiento de los buques (valores atípicos) mientras se rastrean desde un radar OTH. La metodología propuesta explota las capacidades de mapeo no lineal de los autocodificadores apilados en profundidad en combinación con la agrupación basada en la densidad. Una evaluación experimental comparativa del enfoque muestra resultados prometedores en cuanto al rendimiento de la metodología propuesta.

• Materias:Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Fisiología vegetal
• Subjects:Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Plant physiology
• Palabras claves:metodología propuesta, detección de valores atípicos, interés significativo atraído, técnicas de aprendizaje profundo, autocodificadores apilados profundos, presencia de desorden, patrón de buque, identificación de objetivos de alcance, evaluación experimental comparativa, número de desventajas
• Keywords:proposed methodology, detection of outlier, attracted significant interest, deep learning techniques, deep stacked autoencoders, presence of clutter, pattern of vessel, range target identification, comparative experimental evaluation, number of disadvantages