隨著定位技術(shù)、移動感知技術(shù)和無線通信技術(shù)的不斷發(fā)展與廣泛應(yīng)用,大量移動物體的運動軌跡能夠被追蹤,由此產(chǎn)生了海量的軌跡數(shù)據(jù)。對這些時空軌跡數(shù)據(jù)進(jìn)行深入分析并提取有價值的信息一直是研究關(guān)注的焦點,其中軌跡異常檢測是軌跡數(shù)據(jù)挖掘領(lǐng)域中的一個重要研究分支。軌跡異常檢測廣泛地應(yīng)用于城市交通、災(zāi)害天氣預(yù)警、社會公共安全管理以及動物習(xí)性研究等領(lǐng)域。本文以移動對象的時空軌跡數(shù)據(jù)為研究對象,以挖掘異常軌跡為研究目標(biāo),研究了軌跡異常檢測的相關(guān)理論及方法。本課題主要工作包括以下幾個方面:（1）融合特征熵的軌跡結(jié)構(gòu)異常檢測本課題從軌跡結(jié)構(gòu)特征出發(fā),充分考慮了軌跡特征描述的全面性。同時,利用特征熵賦予特征相應(yīng)的權(quán)重,深入探究了衡量軌跡特征重要程度的方式,提出了融合特征熵的軌跡結(jié)構(gòu)異常檢測算法,解決了當(dāng)前基于距離的軌跡異常檢測算法主要基于軌跡空間形態(tài),沒有全面地考慮軌跡內(nèi)部特征信息,且忽略了內(nèi)部特征重要程度的問題。使用多個數(shù)據(jù)集的實驗表明,算法能夠從軌跡空間形態(tài)及內(nèi)部特征屬性上發(fā)現(xiàn)異常,可以全面地發(fā)現(xiàn)明顯異常軌跡及其分段,使檢測結(jié)果更具有實際意義。（2）基于深度表示的無監(jiān)督軌跡異常檢測本課題深入探究軌跡特征的表示... 

【文章來源】：中國礦業(yè)大學(xué)江蘇省211工程院校教育部直屬院校

【文章頁數(shù)】：94 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文研究內(nèi)容
    1.4 本文組織結(jié)構(gòu)
    1.5 本章小結(jié)
2 移動對象軌跡異常檢測相關(guān)研究
    2.1 軌跡異常檢測概述
    2.2 軌跡異常檢測算法分類
    2.3 軌跡異常檢測相關(guān)概念
    2.4 數(shù)據(jù)預(yù)處理
    2.5 評價標(biāo)準(zhǔn)
    2.6 本章小結(jié)
3 融合特征熵的軌跡結(jié)構(gòu)異常檢測
    3.1 引言
    3.2 基于線性回歸的軌跡劃分
    3.3 軌跡結(jié)構(gòu)距離計算
    3.4 特征權(quán)重選擇
    3.5 軌跡片段聚類
    3.6 軌跡結(jié)構(gòu)異常檢測
    3.7 實驗分析
    3.8 本章小結(jié)
4 基于深度表示的無監(jiān)督軌跡異常檢測
    4.1 引言
    4.2 基于開放角的軌跡劃分
    4.3 特征提取與轉(zhuǎn)換
    4.4 基于無監(jiān)督學(xué)習(xí)的特征序列聚類
    4.5 相似指數(shù)分布異常檢測
    4.6 實驗與分析
    4.7 本章小結(jié)
5 軌跡異常檢測原型系統(tǒng)設(shè)計與實現(xiàn)
    5.1 系統(tǒng)設(shè)計
    5.2 原型系統(tǒng)主要模塊構(gòu)建
    5.3 原型系統(tǒng)開發(fā)與實現(xiàn)
    5.4 系統(tǒng)小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 未來研究工作
參考文獻(xiàn)
作者簡歷
學(xué)位論文數(shù)據(jù)集


【參考文獻(xiàn)】：
期刊論文
[1]融合特征熵的軌跡結(jié)構(gòu)異常檢測方法[J]. 裴浩然,袁冠,張艷梅,李月娥,李思寧.  陜西師范大學(xué)學(xué)報(自然科學(xué)版). 2019(05)
[2]基于軌跡信息熵分布的異常軌跡檢測方法[J]. 蔣華,鄭依龍,王鑫.  計算機應(yīng)用研究. 2018(06)
[3]路網(wǎng)空間下基于馬爾可夫決策過程的異常車輛軌跡檢測算法[J]. 毛江云,吳昊,孫未未.  計算機學(xué)報. 2018(08)
[4]軌跡大數(shù)據(jù)異常檢測:研究進(jìn)展及系統(tǒng)框架[J]. 毛嘉莉,金澈清,章志剛,周傲英.  軟件學(xué)報. 2017(01)
[5]一種基于軌跡大數(shù)據(jù)離線挖掘與在線實時監(jiān)測的出租車異常軌跡檢測算法[J]. 韓博洋,汪兆洋,金蓓弘.  中國科學(xué)技術(shù)大學(xué)學(xué)報. 2016(03)
[6]軌跡數(shù)據(jù)壓縮綜述[J]. 江俊文,王曉玲.  華東師范大學(xué)學(xué)報(自然科學(xué)版). 2015(05)
[7]基于軌跡分析的異常行為識別與管控研究[J]. 王曉龍,郭捷,邱衛(wèi)東,徐鵬,郭曼,張菡.  信息安全與通信保密. 2015(03)
[8]軌跡數(shù)據(jù)可視分析研究[J]. 王祖超,袁曉如.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2015(01)
[9]基于角度分布的高維數(shù)據(jù)流異常點檢測算法[J]. 樸昌浩,黃質(zhì),蘇嶺,祿盛.  上海交通大學(xué)學(xué)報. 2014(05)
[10]Density-based trajectory outlier detection algorithm[J]. Zhipeng Liu,Dechang Pi,Jinfeng Jiang.  Journal of Systems Engineering and Electronics. 2013(02)

博士論文
[1]移動對象軌跡數(shù)據(jù)挖掘方法研究[D]. 袁冠.中國礦業(yè)大學(xué) 2012

碩士論文
[1]基于視頻監(jiān)控數(shù)據(jù)的人群行為分析和異常軌跡檢測[D]. 齊佳倩.北京交通大學(xué) 2018



本文編號：3641440