Özellik Önemine Göre Otomatik Tanımlama Sistemi Verilerindeki Eksik Kalıpları Yükleme

Abstract

Denizcilik sektöründe, AIS (Otomatik Tanımlama Sistemi) verileri, deniz güvenliği, deniz trafiği yönetimi, liman operasyonları, deniz araştırmaları ve çevre izleme, deniz ticareti ve lojistik gibi birçok alanda önemli bir rol oynamaktadır. AIS, gemilerin konum, hız, rotasyon ve diğer ilgili bilgilerini gerçek zamanlı olarak ileten bir sistemdir. Ancak, AIS verilerinin toplandığı süreçte veya iletim sırasında eksik verilerin ortaya çıkması oldukça yaygın bir durumdur. Eksik AIS verilerinin oluşması, gemi sınıflandırması ve diğer denizcilik uygulamaları için önemli bir sorun oluşturur. Özellikle gemi sınıflandırma modelleri, gemilerin tipini doğru bir şekilde tahmin etmek için çeşitli veri özelliklerine ihtiyaç duyar. Statik verilerdeki eksiklikler, modelin doğruluğunu ve performansını olumsuz yönde etkileyebilir. Bu çalışma, gerçek AIS verileri kullanılarak gemi sınıflandırması yapan bir modelin girdileri olan statik verilerdeki eksik verilerin özellik önemine göre tamamlanması sağlayarak modele etkileri paylaşılmıştır. Eksik AIS verilerinin tamamlanması, aynı zamanda veri setindeki azınlık sınıflarının model tarafından daha iyi öğrenilmesini de hedeflemektedir. Elde edilen sonuçlar, eksik verilerin tahmine dayalı bir şekilde tamamlanması yaklaşımının modelin doğruluğunu ve performansını artırabildiğini göstermektedir. Bu çalışma, eksik verilerin tamamlanması için kullanılan yaklaşımın uygulanabilir olduğunu ve açıklayıcı bir şekilde sunulabileceğini göstermektedir.