传感器网络基于轨迹聚类的多目标跟踪算法

本文重点研究传感器网络中能源高效的多目标跟踪问题.根据轨迹相似性对跟踪目标聚类,利用组对象跟踪实现所有对象的跟踪,能够有效地减少传输能耗,延长网络寿命.由于测量误差、低采样率以及环境干扰,很难获取目标的精确位置,因此轨迹数据存在固有的不确定性.忽略这种不确定性会降低轨迹挖掘质量,从而影响目标跟踪.提出基于不确定性轨迹挖掘的组对象跟踪方法.轨迹挖掘阶段首先为所有跟踪目标建立马尔科夫链模型,然后给出一种新的不确定轨迹相似性的度量,最后给出不确定轨迹聚类算法UTK-means对目标分组.组对象跟踪阶段向基站周期性地更新组中心轨迹的位置.实验结果验证了本文方法具有较高的聚类质量和节能效率.     

移动对象不确定轨迹隐私保护算法研究

随着移动设备和定位技术的发展,产生了大量的移动对象轨迹数据,相伴而来的是个人隐私泄露问题。现有的轨迹隐私保护研究均假设轨迹数据是准确无误的,但由于数据采集设备不精确、移动对象延迟更新等原因,轨迹数据不确定性普遍存在。提出了一种基于K-匿名的不确定轨迹数据隐私保护方法,对发布的数据进行隐私处理,该方法首次将线性轨迹转化为不确定区域的思想引进轨迹数据的隐私处理。首先,使用概率统计的方法将轨迹泛化成一个更为真实的轨迹区域,然后将相似度高的轨迹域聚合成等价类进行数据的隐匿和发布,最后在真实的数据集上进行实验。     

基于数据挖掘的学生选课及学习行为分析算法研究

依据教育数据挖掘技术,通过关联规则挖掘中的确定因素法和序列模式挖掘,分别对学生课程选择的最小关联规则和学生的临时兴趣学习模式进行挖掘,以此进行学生的行为分析。首先,通过最小关联规则挖掘中的确定因素(DF)法,从课程数据库中挖掘学生课程选择的最小关联规则。其次,通过临时兴趣序列模式(TIPS)技术,在学习活动序列中发现短期的学习行为模式。最后,通过数据实验验证该算法具有实际意义。     

VR-tree索引结构的轨迹Stop区域快速发现

移动对象轨迹stop区域发现是轨迹数据分析的一个重要方面.提出基于VR-tree的轨迹stop区域快速发现方法.首先选择一条轨迹使用DBSCAN算法得到stop区域,把它们作为其他轨迹的stop区域候选,构建VR-tree;然后,对于剩余每条轨迹,先与VR-tree比较,找到与其中的stops相交的区域,标记轨迹包含在这些区域中的点,再对轨迹中其他点使用DBSCAN算法得到新的stops,并将它们作为其他轨迹的候选插入到VR-tree中.每条轨迹的stops由与VR-tree比较获得的stops和新stops区域按照区域覆盖率合并得到.实验使用真实数据集,证明本方法与基于密度的轨迹stop发现方法相比,不仅能很好发现轨迹stops,而且效率提高近60%.     

基于边界和距离的离群点检测

近年来,离群点检测已经引起人们的广泛关注. 离群点检测在网络入侵检测、信用卡欺诈、电子商务犯罪、医疗诊断以及反恐等诸多领域都具有十分重要的作用. 离群点检测的目的是为了发现数据集中的一小部分对象,与数据集中其余的大部分对象相比,这一小部分对象有着特殊的行为或者具有反常的属性. 针对现有的离群点检测方法不能有效处理不确定与不完整数据的问题,本文将粗糙集中边界的概念与 Knorr 等所提出的基于距离的离群点检测方法结合在一起,在粗糙集的框架中提出一种新的离群点定义与检测方法. 针对于该方法,我们设计出相应的离群点检测算法 BDOD,并且通过在临床诊断数据集上所进行的实验,验证了算法BDOD的有效性. 实验结果表明本文的方法为处理离群点检测中的不确定与不完整数据问题提供了一条新的途径.     

基于差分隐私的活动模式保护与时空轨迹发布方法

为了解决用户轨迹数据发布时的活动模式泄露问题，本文提出了一种基于差分隐私的活动模式保护与时空数据发布方法 DPAP-STTP(Differentially Private Activity Pattern and Spatial-Temporal Trajectory Publication)，该方法即保护了用户时空数据中活动模式的隐私，又可以保证所发布时空轨迹在服务建议生成上的有效性.在DPAP-STTP中，用户的活动模式表示为个人代表性轨迹的动静态信息，包括代表性轨迹的时空密度分布、时空路径分布、移动模式以及时空跨度.另外，DPAP-STTP通过隐私保护预算与隐私保护阈值对该动静态信息进行调控，然后根据调控后的动静态信息依次划分时空网格、重构轨迹所处时空区间、时空轨迹点随机采样，最终生成满足群体差分隐私的时空轨迹进行发布.本文的实验比较了DPAP-STTP与DP-STAR(Differential Private Synthetic Trajectory Publisher)、BNA(Bounded Noise-Adding)所生成的轨迹在特定时空范围内的有效性，证明DPAP-ST...     

一种支持轨迹大数据潜在语义相关性挖掘的谱聚类方法

针对交通管理优化和轨迹大数据挖掘的实际应用需求,本文提出了一种支持交通轨迹大数据潜在语义相关性挖掘的交通路网谱聚类方法（TSSC ）。首先研究了交通轨迹数据的向量空间建模方法,其次通过随机投影法快速提取大规模轨迹数据矩阵的特征信息并构建其低维语义子空间,然后基于语义子空间挖掘轨迹数据的潜在语义相关特性,在此基础上通过谱聚类方法实现了交通路网的快速聚类。通过本文提出的方法对总里程1400多万公里的实际交通轨迹数据进行实验分析表明,本方法可根据交通轨迹大数据的潜在语义相关性对交通路网进行快速的谱聚类处理,从而在复杂的交通路网间快速挖掘其潜在特性,为交通规划及其管理优化提供决策支持信息,同时也为时空大数据的聚类挖掘提供了一种新的解决方案。     

五轴数控机床轨迹生成方法研究

提出一种五轴数控机床实时轨迹生成和控制方法,由网格曲面描述五轴机床刀具的空间轨迹,在规定的采样周期内计算和控制刀具的位置、方向及不同的运动参数,通过计算数据建立曲线模型,由逆运动学模型在规定采样时间内执行生成的命令。通过一组加工路径仿真实例,说明了提出方法的优越性和普遍性。     

基于行为模式的海上目标轨迹分段算法

海上目标监视系统实时获取并长期积累了大量轨迹数据,深入挖掘分析其中蕴含的目标行为特征,是提升传统的基于声光电磁特性的海上目标探测技术性能的重要途径。在轨迹聚类、轨迹预测和行为分析等数据挖掘的预处理环节中,主流的轨迹分段算法以最小化损失为分段依据,没有给分段轨迹赋予行为模式等语义内涵,限制了分段轨迹的应用范围。对此,本文提出一种基于行为模式的海上目标轨迹分段算法,通过定义七种目标行为模式,制定行为模式优先级,达到轨迹分段的目的。通过提取轨迹段的特征值,真实的保留轨迹特征,尽可能的还原轨迹。实验分析表明,本文的算法能准确合理的进行轨迹分段并真实的还原轨迹,不同的算法参数对应不同的应用场景。最终,本文对算法分段结果的应用前景进行展望。      

基于质心片的不确定高维索引研究

 提出一种基于质心片的(CU-Tree)不确定高维索引结构.对于高维空间中的不确定数据对象,首先通过k平均聚类算法将其聚成若干类,然后分别计算每个不确定超球进行质心"切片",并对其进行复合编码得到对应的统一索引键值,并且用B+树建立索引.这样,高维空间的概率查询就转变成对一维空间的启发式的范围查询及求精运算.实验证明该方法能更有效地缩小搜索空间,减少积分计算的代价.实验都表明,CU-Tree索引在查询效率方面要明显优于其它的索引方法,尤其适合海量高维不确定数据的查询.     

基于轨迹位置形状相似性的隐私保护算法

为了降低轨迹数据发布产生的隐私泄露风险,提出了多种轨迹匿名算法。然而,现有的轨迹匿名算法在计算轨迹相似性时忽略了轨迹的形状因素对轨迹相似性的影响,因此产生的匿名轨迹集合的可用性相对较低。针对这一问题,提出了一种新的轨迹相似性度量模型,在考虑轨迹的时间和空间要素的同时,加入了轨迹的形状因素,可以在多项式时间内计算定义在不同时间跨度上的轨迹的距离,能够更加准确、快速地度量轨迹之间的相似性;在此基础上,提出了一种基于轨迹位置形状相似性的隐私保护算法,最大限度地提高了聚类内部轨迹的相似性,并且使用真实的原始位置信息形成数据"面罩",满足了轨迹k-匿名,在有效地保护轨迹数据的同时,提高了轨迹数据的可用性;最后,在合成轨迹数据集和真实轨迹数据集上的实验结果表明,本算法花费更少的时间代价,具有更高的数据可用性。     

基于动态流式数据的不确定性数据库的构建与实现

针对不确定的传感器数据流,在对国外数据流管理原型系统研究的基础上,采用客户机/服务器体系结构,在Red Hat Linux 9.0平台上部分地实现了不确定数据流数据库系统（UCDS）。详细描述了不确定数据流数据库系统的基本定义、系统的体系结构等,为不确定性数据库的研究做出了有益的探索。     

Abnormal trajectory detection method based on enhanced density clustering and abnormal information mining

Aiming at problems of low accuracy in the recognition and difficulty in enriching the information of abnormal behavior in the social security incidents，an abnormal trajectory detection method based on enhanced density clustering and abnormal information mining was proposed.Firstly，combined with Hausdorff distance，an enhanced DTW distance aiming at the problem of sampling to describe the behavior in detail was proposed.And based on the MBR distance， some definitions to describe the geographical distribution of trajectory were proposed.Secondly，with the density-distance decision model of CFSFDP algorithm，intelligent recognition of cluster was realized by using the difference of SSVR which was proposed based on SVR.Finally，based on the analysis of distribution under the two kinds of density，more abnormal information could be mined，three kinds of abnormal trajectories would be recognized.And the simulation results on trajectory data of Shanghai and Beijing verify that the algorithm is objective and efficient.Comparing to existing method，accuracy in the clustering is promoted by 10%，and the abnormal trajectories are sorted， abnormal information is enriched.     

基于Matlab迫击炮外弹道仿真

本文以常规迫击炮外弹道为研究对象,建立了弹丸质心运动的数学模型,同时给出了使用龙格-库塔算法对其进行实时弹道解算的流程,并通过MATLAB仿真验证,得到了外弹道各参数的仿真数据,对于外弹道设计和论证工作具有参考意义。     

预测轨迹在真实环境中的修正技术研究

在4D轨迹预测模型结果实际工程应用的过程中,总是存在飞行计划预测轨迹和雷达航迹不一致的现象,通过对模型和实际数据的分析,查找计划预测轨迹的偏离因素。该文描述了实际运行过程中涉及影响预测轨迹的各类因素,分析了数据对模型的影响;并结合分析结果提出了实施过程中对计划轨迹的修正方法,该分析结果将促进4D预测轨迹在空中交通管理领域中的实施。     

防空火箭烟幕弹干扰决策

介绍了防空火箭烟幕弹的外弹道特点,比较分析了获取外弹道数据三种方法的优缺点,给出了外弹道拟合公式的建立过程．在此基础上,提出了两种防空火箭烟幕弹干扰辅助决策算法．最后,对防空火箭烟幕弹干扰的弹道风修正算法进行了探讨．     

Neural Network Based Adaptive Tracking of Nonlinear Multi-Agent System

In this paper, the problems of robust consensus tracking control for the second-order multi-agent system with uncertain model parameters and nonlinear disturbances are considered. An adaptive control strategy is proposed to smooth the agent’s trajectory, and the neural network is constructed to estimate the system’s unknown components. The consensus conditions are demonstrated for tracking a leader with nonlinear dynamics under an adaptive control algorithm in the absence of model uncertainties. Then, the results are extended to the system with unknown time-varying disturbances by applying the neural network estimation to compensating for the uncertain parts of the agents’ models. Update laws are designed based on the Lyapunov function terms to ensure the effectiveness of robust control. Finally, the theoretical results are verified by numerical simulations, and a comparative experiment is conducted, showing that the trajectories generated by the proposed method exhibit less oscillation and converge faster.