對於每個段，該演算法計算兩個連續點之間的相對角度的余弦值，並計算出在該段中的所有點的平均值。如果平均余弦值返回包包值在以上或以下，則表明整個段是由直線運動形成的。所有的段，包含他們的大部分分為直線接收包包標籤的非捕包包活動。呈現彎曲的動作的片段分離，執行三分之包包演算法，以進一步過濾非捕包包活動。
LV一旦彎曲段是分開的，它是可能的分析每包包點，以消除可能的非捕包包活動歸類為捕包包。由於整個曲線段被認為是從直線演算法檢測的直線，許多非釣包包活動都會自動被假定為釣包包。為了減少這種類型的錯誤，其他兩個演算法相結合提取這些假報，第一通過時間演算法包包利用分佈演算法包包。演算法包包，利用布朗運動理論找到的模式出現在軌跡區。根據，對於包包給定的尺度，它被定義為動物所需的時間通過包包圓半徑包包。
LV這意味著包含動物船多次在同一區域的最小半徑的演算法搜索。該方法的包包問題是，這取決於軌道是多少，它不限制的大小，這可能會導致在包包較長的搜索正確的半徑。幸運的是，在彎曲段內的容器的運動是非常有限的，這使得搜索是可行的。經過一些測試，我們發現，
lv官網使用種不同的半徑的均勻分佈的變化從到，提供包包可接受的精度。
和擴展演算法計算對數的方差包包，應在船隻多次尺度高。至於我們的演算法的閾值，如果包包它是一條直線，這些點被標記為非釣包包。為了減少可能的假報，利用分佈演算法包包中使用。是定義為包包概率分佈只使用經度和緯度的特點。為了估計這種分佈，包包內核的方法聚類演算法中使用的座標參數。該想法是使用包包二元核函數作為包包距離度量在每個定位系統的位置，找到集群中心。默認情況下，正常的內核函數使用實施，我們並沒有改變這個參數。LV這項工作使用估計糾正錯誤的預測點錯誤地歸類為釣包包活動非漁業活動。在彎曲的數據段的和的結合提供了包包額外的到提高精度和減少誤報與非漁業活動專家標籤。LV濾波方法對圍網漁船捕包包的檢測對於圍網捕包包活動檢測建立在文獻資料的基礎上，兩個假設包包見，隨著漁業觀察員工作對各種圍網和觀察板從數據的個人通信。首先，圍網多數不包包在晚上，除了極少數的例外，這裏不考慮。