MADQI：基於AIS的海事異常偵測新評估指標

研究論文提出一個名為 MADQI 的新評估框架，專門用於基於自動識別系統（AIS）的海事異常偵測中的無監督學習算法評估。傳統方法如 Isolation Forest 在偵測異常船舶行為時，往往缺乏系統且有意義的評估指標。MADQI 透過整合四個相互關聯的指標來解決這一限制：異常率一致性（ARC）、物理合理性評分（PPS）、分數分佈分離（SDS）和極端案例證據（ECE）。這些指標結合了 Haversine 距離計算，以分析 AIS 數據集並基於空間和行為特徵識別異常。框架採用多塊評估和自適應縮放技術進行自動標準化。在 AIS 數據集上的實驗結果顯示，MADQI 框架達到了 80.37% 的分數，證明其在無監督異常偵測中的有效性。特別是，在識別異常船舶行為方面表現出色，其中 ECE 和 ARC 分別獲得了 0.907 和 1.000 的分數，顯示出在偵測極端異常和維持異常率一致性方面的卓越能力。總體而言，這些結果令人鼓舞，表明 MADQI 框架為海事 AIS 數據的無監督異常偵測評估提供了一種可靠且有意義的方法。