基于轨迹时空关联语义和时态熵的移动对象社会角色发现

现有轨迹相似性度量缺乏对时空语义和时间随机性的考虑,不能有效地区分移动对象的社会角色.为解决这一问题,做了如下工作:1)提出了时空关联语义(spatial-temporal associated semantics,STAS)的概念,解释了轨迹的语义相似性规律,即两条轨迹的语义相似性与其在某时段内经过同类型区域的概率正相关;2)提出了时态熵(temporal entropy)的概念,度量了轨迹经过同一类型区域的时间随机性;3)基于STAS和时态熵,给出轨迹语义相似性度量(trajectory semantic similarity,TSS),刻画了轨迹所属移动对象的社会角色的时空特征;4)提出了移动对象社会角色发现算法(social roles discovering algorithm,SRDA),该算法基于TSS实现轨迹聚类,其中一个聚簇代表一种社会角色.真实数据和仿真数据上的实验表明,SRDA在准确率上比现有方法平均提高了18%,同时具有线性时间复杂度,从而验证了算法的有效性和性能.     

时空数据库移动点轨迹建模

时空数据库的移动点轨迹建模技术是近年来是时空数据库研究热点之一.本文在给定一系列时空数据库移动点的信息,找出实际应用中时间更新阈值和空间距离阈值,结合移动点时空模型和数学上线性回归的建模思想,建立一种新的支持过去、现在、未来的移动点轨迹模型,并有效地预测了移动点在某一时间阈值内,移动点的运动趋势及范围.     

基于轨迹点聚类的航路发现方法

为了加强对局部空域航路的掌握和管理,提出一种基于轨迹点聚类的航路发现方法.首先,针对根据真实数据的分布特点生成的仿真数据,采用预处理模块对轨迹数据的噪声进行削弱和剔除;其次,提出一种包括孤立点剔除、轨迹重采样、轨迹点聚类、聚类中心修正和连接聚类中心五个部分的航路发现方法,对航路进行提取;最后,对航路提取结果进行了可视化...     

移动对象轨迹时空相似性度量方法

在分析移动对象行为时,移动对象轨迹因包含大量的信息而具有重要的作用。在实际应用中移动对象常受限于空间网络而无法利用现有欧氏空间中轨迹及其距离处理技术。分析了道路网络空间轨迹相似性性质,提出一种移动对象轨迹建模的时空表示方法,能有效地将轨迹从道路网络空间转化到欧氏空间;同时提出了一种基于兴趣点POI（Points Of Interesting）距离的轨迹间相似性测量方法,有效地对轨迹进行化简并减少轨迹中节点的数目,从而降低算法时间复杂度。该方法不仅可以用于搜索相似轨迹,还可方便地应用到轨迹聚类的相关工作中。     

基于骨骼轨迹聚合模型的课堂交互群体发现

传统的课堂行为识别方法侧重于交互行为本身的辨识,而非群体发现.课堂环境下实现交互群体的准确定位与发现,是进行个体行为识别的基础,但存在由遮挡造成的行为数据缺失问题.使用骨骼数据表示人体行为及运动轨迹,具有不受光线和背景干扰、数据表达简单等优点.针对骨骼数据的多人交互群体发现进行研究,提出了一种基于骨骼轨迹聚合模型的交互...     

基于速度的轨迹停留点识别算法

轨迹中的停留点识别是将空间轨迹转换为语义轨迹的关键步骤.当前轨迹停留点识别方法缺少对轨迹记录点时间连续性的考虑,导致识别出的停留点缺乏时间信息.同时,在轨迹点缺失的情况下,停留点信息也无法被准确识别.针对上述问题,本文提出一种基于速度的时空聚类方法,首先通过缺失轨迹的时空特性确定真实缺失子轨迹,并根据缺失轨迹的平均速度对其进行插值填充,再结合轨迹速度特征和时空特性识别轨迹中的停留点.实验采用GeoLife轨迹数据集对所提出的方法进行验证,结果表明,该算法能够有效地识别用户的停留点,并对轨迹中的干扰具有一定的鲁棒性.     

轨迹数据的时空模式挖掘与管理决策研究综述

时空轨迹数据的获取变得越来越容易,轨迹数据刻画了移动对象的行为模式与活动规律,是对移动对象在时空环境下的移动模式和行为特征的真实写照,在城市规划、交通管理、服务推荐、位置预测等领域具有重要的应用价值.这些过程通常需要通过对时空轨迹数据进行模式挖掘才能得以实现.简述了轨迹数据挖掘的预处理和基本步骤,归纳了异常轨迹检测方法...     

基于语义的移动对象轨迹知识发现研究

针对采用欧式空间坐标或线性参考坐标表达轨迹的方法对与应用需求相关的背景地理语义知识考虑不够,使得不能有效挖掘轨迹中隐含信息的问题,提出一种基于语义的轨迹建模和知识发现方法,该方法通过预先定义与应用需求相关的重要地点作为关键点,对与该地点具有同种空间关系的轨迹点进行聚类,以聚类后的关键点序列表达轨迹,运用正则表达式实现轨迹中隐含的关联规则和频繁模式的发现,通过实例表明该方法的可行有效。     

一种考虑服务质量的服务发现机制

服务发现是服务框架中联系消费者和提供者的重要环节。提出了一种考虑服务质量的服务发现机制（QSCD)。QSCD根据消费者的消费历史,考虑了消费者对服务质量的要求,在消费者本地建立一个服务发现机构。并在QSCD引入服务预约和服务社区等概念,对该机制进行了扩展。它作为对已有服务发现机制的补充,可提高发现的速度。     

类自动车牌识别轨迹数据的伴随车辆组挖掘

自动车牌识别（ANPR）数据比私人全球定位系统（GPS）数据更易获得,且包含更有用的信息,但是相对成熟的针对GPS轨迹数据挖掘伴随车辆组方法并不适用于自动车牌识别数据,现有的少量自动车牌识别数据伴随车辆组挖掘算法存在重视轨迹相似而忽视时间因素的缺陷,因此提出一种基于轨迹特征的聚类方法挖掘伴随车辆组。针对自动车牌识别数据中采样点固定而采样时间不定的特点,通过轨迹中共现的次数判定两个对象构成伴随模式。该共现定义引入豪斯多夫距离,综合考虑轨迹的地点、方向和时间特征,旨在挖掘数据中采样点不同但采样点距离近且轨迹相似的伴随车辆组,以此提高伴随车辆组挖掘效率。实验结果表明,所提方法较现有方法更能有效挖掘伴随车辆组,识别非伴随模式数据,效率提升了近两倍。     

深度强化学习复原多目标航迹的TOC奖励函数

针对航迹探测领域中探测器获得的目标地理位置通常是同一帧下无法区分的多目标场景,需要利用目标位置信息还原各航迹并区分各目标的问题进行研究,提出采用深度强化学习复原目标航迹的方法。依据目标航迹的物理特点,提取数学模型,结合目标航迹的方向、曲率等提出轨迹曲率圆（TOC）奖励函数,使深度强化学习能够有效复原多目标航迹并区分各目标。首先描述多目标航迹复原问题,并将问题建模成深度强化学习能够处理的模型;结合TOC奖励函数对多目标航迹复原问题进行实验;最后给出该奖励函数的数学推导和物理解释。实验结果表明,TOC奖励函数驱动下的深度强化网络能够有效还原目标的航迹,在航向和航速方面切合实际目标航迹。     

网络拓扑自动发现系统的设计与实现

在对目前的网络拓扑自动发现技术深入分析研究的基础上,设计并实现了一个网络拓扑发现系统。该系统能够从多个数据源中获取网络拓扑信息,具有网络拓扑自动分级发现和网络拓扑自动分层表示的功能。较传统的网络拓扑发现系统而言,该系统具有设计复杂度低、发现的网络拓扑完整和直观的优点。     

面向服务簇的服务体系结构及服务发现

为了缩减服务查找空间,提高服务发现效率,提出服务簇的概念。将具有相似或相同服务功能的Web服务封装为一个服务簇,构建基于服务簇的服务请求/响应模式。给出了服务簇的形式化定义、面向服务簇的服务体系结构以及服务簇模式下的最优服务发现算法。仿真实验以10000个Web服务作为测试源,在服务簇数目不大于1000时,服务簇模式下的服务查找时间以及服务再查找时间均小于600ms,而当前服务响应模式下,上述时间均大于900ms。实验结果表明：基于服务簇的服务请求/响应模式可以显著提高服务发现效率,并能大幅度降低服务再查找的时间。     

车联网轨迹隐私保护研究进展

轨迹隐私保护对车联网（IoV）的发展至关重要,归纳和分析现有研究方法有重要意义。车联网轨迹隐私保护思想有轨迹模糊、假名更换和轨迹加密等3类,实现方法分别有基于用户真实轨迹的方法和基于哑元轨迹的方法、基于混合区域的方法和基于路径混淆的方法、基于私密信息检索（PIR）协议的方法和基于空间转换的方法。首先,介绍和归纳了研究背景和常见攻击等车联网轨迹隐私保护关键问题;然后,从方法思想、科学问题、方法演进等方面详细综述了现有车联网轨迹隐私保护方法,并阐述了需深入研究的难题;在此基础上,总结了代表性方案的隐私保护度、抗攻击性、复杂度等性能指标;最后展望了车联网轨迹隐私保护的未来研究方向。     

面向共享风险链路组故障恢复的多路径路由生成算法

为了在IP层恢复网络共享风险链路组(SRLG)故障,提出一种基于改进人工蜂群算法的网络多路径路由生成算法.针对SRLG故障特点建立多路径路由生成模型,最后通过改进人工蜂群算法求解.仿真验证该方法不仅可以生成满足SRLG约束的备用路径,还可以增强故障恢复能力、降低算法复杂度、缩短重路由的平均路径长度.     

基于改进互信息和邻接熵的微博新词发现方法

针对目前微博新词发现算法中的数据稀疏、可移植性较差以及缺乏对多字词（大于三字）识别的问题,提出了基于改进互信息（MI）和邻接熵（BE）的微博新词发现算法——MBN-Gram。首先,利用N元递增算法（N-Gram）提取新词的候选项,对提取出来的候选新词使用频率和停用字等规则进行过滤;接着再利用改进MI和BE对候选项进行扩展及再过滤;最后,结合相应词典进行筛选,从而得到新词。通过理论及实验分析,MBN-Gram算法在准确率、召回率及F值上均有一定提高。实验结果表明,MBN-Gram算法是有效可行的。     

基于带状态回溯个体进化的子结构发现

将进化算法引入图数据挖掘,以克服贪婪式查找易陷入局部极值的问题。针对图数据挖掘中经常遇到的子图同构问题,提出了带状态回溯个体的概念,从而使遗传算子的设计更为合理。另外,还提出了一种新的多样性保持方案,从种群的组成和个体的生成两个方面提高了种群的多样性。在进化过程中随时去掉当前种群中没有潜力的个体的机制使查找空间缩小了一半。实验结果表明,以上措施增强了算法的寻优能力,提高了算法的效率和解的质量。