融合特征熵的轨迹结构异常检测方法

• 作者: 张艳梅 李思宁 李月娥 袁冠 裴浩然
• 来源期刊: 陕西师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 熵 轨迹 结构相似度 异常检测 轨迹划分 人工智能
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 人工智能专题
• 页码范围: 16-24
• 页数: 9页
• 分类号: TP391
• 字数: 8190字
• 语种: 中文

摘要

从轨迹结构特征出发,分析轨迹内部及整体特征,提出融合特征熵的轨迹结构异常检测方法(TSAD-FE,trajectory structure anomaly detection method based on feature entropy).根据开放角将轨迹划分为轨迹片段,运用线性回归模型对轨迹片段局部特征进行拟合,完成轨迹片段划分;引入轨迹结构框架描述轨迹内部特征属性,应用轨迹结构距离衡量轨迹片段之间的距离,并提出利用熵对特征权重赋值的方法,全面考虑轨迹内部特征对轨迹的影响;运用DBSCAN (densitybased spatial clustering of applications with noise)聚类算法将轨迹集划分为若干簇并提取代表轨迹;通过比较轨迹片段与代表轨迹的结构相似度,提取异常轨迹片段,从轨迹整体上考虑异常轨迹片段占比,进而挖掘出异常轨迹.使用多个数据集的实验表明,融合特征熵的轨迹结构异常检测方法能够从轨迹空间形态及内部特征属性上发现异常,可以全面地发现明显异常轨迹及其分段,使检测结果更具有实际意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张艳梅	中国矿业大学计算机科学与技术学院	30	172	7.0	12.0
3	袁冠	中国矿业大学计算机科学与技术学院	15	169	5.0	13.0
5	裴浩然	中国矿业大学计算机科学与技术学院	1	0	0.0	0.0
10	李思宁	中国矿业大学计算机科学与技术学院	1	0	0.0	0.0