В статье проведён математический анализ данных о движении судов в загруженном трафике для оптимального прогнозирования маршрута перехода.
кластеризация, математический анализ, оптимальное прогнозирование маршрута перехода, анализ навигационной информации
1. Baldau M. Potentials of e-Navigation - Enhanced Support for Collision Avoidance / M. Baldauf, K. Benedict, C. Kruger // TransNav: International Journal on Marine Navigation and Safety of Sea Transportation. -2014. -Vol. 8. -Nr. 4. -Pp. 613-617. DOI: 10.12716/1001.08.04.18
2. Мерков А.Б., Введение в методы статистического обучения. Курс по общим методам статистического обучения, 20.05.09, с. 32
3. Мерков А.Б., Распознавание образов. Введение в методы статического обучения. С.25-57, 2011
4. Кирсанов М. Н. Анализ алгоритмов выбора оптимальных маршрутов группы судов / М. Н. Кирсанов // Вестник Государственного университета морского и речного флота имени адмирала С. О. Макарова. -2016. -№2 (36). - С. 183-190. DOI: 10.21821/2309-5180-2016-8-2183-190.
5. Боран-Кешишьян A.JI. Новый подход к оценке надежности технических средств сложных человеко-машинных систем / A.JI. Боран-Кешишьян // Вестник ДГТУ - 2013. - № 5/6 (74) -С. 59-67.
6. Боран-Кешишьян A.Л. Обобщенная модель оценки надежности программного обеспечения тренажёрно-обучающих систем на основе теории возможностей / A.Л. Боран-Кешишьян //В мире научных открытий. - 2012.
7. Астреин В.В., Кондратьев С.И., Боран-Кешишьян A. Л. Задача самоорганизации групп судов для предупреждения столкновений // Эксплуатация морского транспорта- 2016-№ 1 (78).- С. 32-38.
8. Астерин В.В., Хекерт Е.В. Принципы координации подсистем судна для предупреждения столкновений // Вестник государственного университета морского и речного флота им. адмирала С.О. Макарова,-2013-№2 (21).-С. 13-22.