基于改进密度聚类与模式信息挖掘的异常轨迹识别方法

• 作者: 仇功达 何明 周波 曹玉婷 柳强
• 来源期刊: 通信学报
• 学科: 工学
• 关键词: 支持向量机回归 密度聚类 异常轨迹识别 模式信息挖掘
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 学术论文
• 页码范围: 21-33
• 页数: 13页
• 分类号: TP301
• 字数: 9014字
• 语种: 中文
• DOI: 10.11959/j.issn.1000-436x.2017287

摘要

针对社会安全事件中异常行为信息识别挖掘难等问题,提出一种基于改进密度聚类与模式信息挖掘的异常轨迹识别方法.首先,针对采样问题,结合Hausdorff距离思想重新定义一种改进型DTW距离,用于描述轨迹具体行为,而MBR距离下的延伸定义,则用于描述轨迹覆盖区域热度.其次,在CFSFDP算法的密度关联与决策模型下,基于支持向量机回归(SVR,support vector regression)提出了特定支持向量机回归(SSVR,specific support vector regression),利用针对性改良下的回归差异非线性识别类中心,实现类的智能识别.最后,通过2种密度下的类识别,实现更多异常模式信息的挖掘与3种异常轨迹识别.结合上海市与北京市出租车轨迹集进行了仿真实验与数据分析,验证了算法在轨迹聚类异常识别方面的有效性.与传统方法相比,类发现能力提高了10％,异常轨迹信息得以区别与丰富.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柳强	陆军工程大学指挥控制工程学院	3	8	2.0	2.0
5	仇功达	陆军工程大学指挥控制工程学院	1	6	1.0	1.0
6	周波	陆军工程大学指挥控制工程学院	1	6	1.0	1.0
7	曹玉婷	陆军工程大学指挥控制工程学院	1	6	1.0	1.0