云计算环境下时空轨迹异常检测算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文研究内容 | 第14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第2章 时空轨迹模式挖掘研究概述 | 第16-22页 |
| 2.1 时空轨迹模式挖掘 | 第16-18页 |
| 2.1.1 时空轨迹频繁模式挖掘 | 第16页 |
| 2.1.2 时空轨迹伴随模式挖掘 | 第16-17页 |
| 2.1.3 时空轨迹聚集模式挖掘 | 第17页 |
| 2.1.4 时空轨迹异常模式挖掘 | 第17-18页 |
| 2.2 时空轨迹相似性度量 | 第18-21页 |
| 2.2.1 欧式距离 | 第18-19页 |
| 2.2.2 线段Hausdorff距离 | 第19页 |
| 2.2.3 动态时间规整距离 | 第19-20页 |
| 2.2.4 最小外包矩形距离 | 第20-21页 |
| 2.2.5 最长公共子序列距离 | 第21页 |
| 2.2.6 编辑距离 | 第21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 基于网格索引的异常轨迹并行检测算法 | 第22-35页 |
| 3.1 异常轨迹检测算法TRAOD | 第22-23页 |
| 3.2 TRAOD并行检测算法 | 第23-27页 |
| 3.2.1 轨迹分段 | 第24-25页 |
| 3.2.2 异常轨迹段检测 | 第25-26页 |
| 3.2.3 异常轨迹检测 | 第26-27页 |
| 3.3 基于网格索引的TRAOD并行检测算法 | 第27-31页 |
| 3.3.1 建立网格索引 | 第28-29页 |
| 3.3.2 轨迹段区域查询 | 第29-30页 |
| 3.3.3 检测异常轨迹 | 第30-31页 |
| 3.4 实验与结果分析 | 第31-34页 |
| 3.4.1 实验环境 | 第31-32页 |
| 3.4.2 数据源 | 第32页 |
| 3.4.3 实验结果与性能分析 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 基于演化计算的异常轨迹并行检测算法 | 第35-43页 |
| 4.1 异常轨迹检测算法TOP-EYE | 第35-37页 |
| 4.2 TOP-EYE并行检测算法 | 第37-39页 |
| 4.2.1 获取网格概率向量 | 第37-38页 |
| 4.2.2 检测异常轨迹 | 第38-39页 |
| 4.3 实验与结果分析 | 第39-42页 |
| 4.3.1 实验环境 | 第39页 |
| 4.3.2 数据源 | 第39-40页 |
| 4.3.3 实验结果与性能分析 | 第40-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第5章 基于聚类的兴趣区域间异常轨迹并行检测算法 | 第43-51页 |
| 5.1 异常轨迹检测算法DATIR | 第43-45页 |
| 5.2 DATIR并行检测算法 | 第45-48页 |
| 5.2.1 并行框架 | 第45-46页 |
| 5.2.2 负载均衡 | 第46-47页 |
| 5.2.3 并行算法 | 第47-48页 |
| 5.3 实验与结果分析 | 第48-50页 |
| 5.3.1 实验环境 | 第48页 |
| 5.3.2 数据源 | 第48页 |
| 5.3.3 实验结果与性能分析 | 第48-50页 |
| 5.4 本章小结 | 第50-51页 |
| 第6章 总结与展望 | 第51-53页 |
| 6.1 总结 | 第51页 |
| 6.2 展望 | 第51-53页 |
| 参考文献 | 第53-59页 |
| 致谢 | 第59-60页 |
| 附录 攻读硕士学位期间发表论文及获奖情况 | 第60页 |
| 1 攻读硕士学位期间发表论文 | 第60页 |
| 2 参加课题项目 | 第60页 |
| 3 获奖情况 | 第60页 |
