| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 图表清单 | 第8-9页 |
| 注释表 | 第9-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究情况 | 第11-13页 |
| 1.2.1 异常轨迹检测 | 第12页 |
| 1.2.2 关联模式挖掘 | 第12-13页 |
| 1.3 本文的主要内容和组织结构 | 第13-16页 |
| 第二章 数据挖掘相关知识介绍 | 第16-25页 |
| 2.1 数据挖掘 | 第16-18页 |
| 2.1.1 数据挖掘简介 | 第16-17页 |
| 2.1.2 数据挖掘需要解决的问题 | 第17-18页 |
| 2.2 异常检测相关技术 | 第18-21页 |
| 2.2.1 异常分类 | 第19-20页 |
| 2.2.2 异常检测的传统方法 | 第20-21页 |
| 2.3 关联模式挖掘相关技术 | 第21-24页 |
| 2.3.1 问题定义 | 第21-23页 |
| 2.3.2 关联分析的传统方法 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于轨迹划分的异常轨迹检测方法研究 | 第25-43页 |
| 3.1 线段距离 | 第26-27页 |
| 3.2 轨迹划分相关定义及研究 | 第27-32页 |
| 3.2.1 粗粒度划分 | 第29-30页 |
| 3.2.2 细粒度划分 | 第30-32页 |
| 3.3 异常轨迹检测相关定义及研究 | 第32-34页 |
| 3.3.1 基于距离的异常轨迹检测方法 | 第32-33页 |
| 3.3.2 结合密度的异常轨迹检测方法 | 第33-34页 |
| 3.4 Partition_Detection 算法描述 | 第34-37页 |
| 3.5 实验与分析 | 第37-42页 |
| 3.5.1 实验环境及数据集介绍 | 第37-38页 |
| 3.5.2 实验结果 | 第38-40页 |
| 3.5.3 性能分析 | 第40-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 基于 AprioriAll 算法轨迹关联模式挖掘方法研究 | 第43-58页 |
| 4.1 轨迹预处理 | 第43-45页 |
| 4.1.1 运动区域划分 | 第43-44页 |
| 4.1.2 轨迹相关概念 | 第44-45页 |
| 4.2 轨迹关联模式挖掘相关定义及研究 | 第45-49页 |
| 4.2.1 关联模式挖掘方法 | 第45-47页 |
| 4.2.2 增量式关联模式挖掘方法 | 第47-49页 |
| 4.3 Pattern_Mining 与 Pattern_Mining_UP 算法描述 | 第49-52页 |
| 4.3.1 Pattern_Mining 算法描述 | 第49-51页 |
| 4.3.2 Pattern_Mining_UP 算法描述 | 第51-52页 |
| 4.4 实验与分析 | 第52-57页 |
| 4.4.1 实验环境及数据集介绍 | 第52-53页 |
| 4.4.2 实验结果 | 第53-55页 |
| 4.4.3 性能分析 | 第55-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 结束语 | 第58-61页 |
| 5.1 本文的总结 | 第58-59页 |
| 5.2 进一步的研究方向 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 在学期间的研究成果及发表的学术论文 | 第66页 |
