基于聚类的兴趣区域间异常轨迹并行检测算法

• 作者: 吉根林 唐梦梦 许振
• 来源期刊: 南京师大学报（自然科学版）
• 学科: 工学
• 关键词: 异常轨迹检测 兴趣区域 聚类 MapReduce
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 人工智能算法与应用专栏
• 页码范围: 59-64
• 页数: 6页
• 分类号: TP39
• 字数: 3620字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4616.2019.01.010

摘要

轨迹异常检测能够用来分析移动对象的异常运动行为,在交通运输、医疗监护等领域都有广泛应用.兴趣区域是移动对象集中活动的区域.本文提出了一种新的兴趣区域间异常轨迹检测算法(Detecting Anomalous Trajectories Between Interest Regions,DATIR).不同于已有的从局部采样点进行检测的算法,DATIR算法综合考虑了轨迹的局部特征和全局特征,利用聚类方法检测兴趣区域间的异常轨迹,并能挖掘出兴趣区域间的正常路径.为了提高海量轨迹数据的异常检测效率,在DATIR算法的基础上,提出了一种并行检测算法(Parallel Algorithm for Detecting Anomalous Trajectories Between Interest Regions,PDATIR).实验结果表明,DATIR算法能够有效地检测兴趣区域间的异常轨迹,并且能够检测出兴趣区域间的正常轨迹;PDATIR算法在大数据集上表现出了明显的性能优势,具有较好的可扩展性和较高的加速比.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吉根林	南京师范大学计算机科学与技术学院	138	2757	22.0	50.0
2	唐梦梦	南京师范大学计算机科学与技术学院	4	18	3.0	4.0
3	许振	南京师范大学计算机科学与技术学院	2	0	0.0	0.0