| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1. 绪论 | 第8-15页 |
| ·研究背景 | 第8-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·轨迹异常检测 | 第10-11页 |
| ·轨迹聚类分析 | 第11-12页 |
| ·研究目标和内容 | 第12-13页 |
| ·本文的组织结构 | 第13-15页 |
| 2. 移动对象轨迹数据挖掘技术概述 | 第15-28页 |
| ·移动对象的概述 | 第15-18页 |
| ·移动对象的特点 | 第15-16页 |
| ·移动对象数据库 | 第16-17页 |
| ·轨迹数据特点 | 第17-18页 |
| ·移动对象轨迹索引技术 | 第18-22页 |
| ·移动对象轨迹查询技术 | 第22-24页 |
| ·区域查询 | 第22页 |
| ·基于轨迹查询 | 第22-23页 |
| ·k 最近邻居查询 | 第23页 |
| ·相似轨迹查询 | 第23-24页 |
| ·不确定轨迹查询 | 第24页 |
| ·移动对象轨迹的数据挖掘技术 | 第24-26页 |
| ·异常检测技术 | 第24-25页 |
| ·聚类分析技术 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 3. 移动对象的轨迹异常检测算法研究 | 第28-38页 |
| ·TRAOD 算法问题描述 | 第28-29页 |
| ·基于 R‐tree 的异常检测算法 | 第29-34页 |
| ·线段 hausdorff 距离 | 第29-30页 |
| ·轨迹子段的相似性度量 | 第30-31页 |
| ·R‐TREE 索引半径确定 | 第31-32页 |
| ·R-TRAOD 的预处理 | 第32-33页 |
| ·R‐TRAOD 的算法实现 | 第33-34页 |
| ·实验及结果分析 | 第34-37页 |
| ·实验环境和数据 | 第34-35页 |
| ·实验结果及分析 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 4. 移动对象的轨迹聚类算法研究 | 第38-55页 |
| ·基于 Hausdoff 距离的轨迹子段聚类算法 | 第38-45页 |
| ·轨迹的分割 | 第39-40页 |
| ·轨迹子段的描述 | 第40-41页 |
| ·轨迹子段的相似性度量 | 第41-42页 |
| ·轨迹子段的密度聚类 | 第42-44页 |
| ·实验结果分析 | 第44-45页 |
| ·基于改进的 hausdoff 距离的轨迹子段聚类算法 | 第45-54页 |
| ·改进的 hausdorff 距离 | 第45-48页 |
| ·轨迹子段的匹配 | 第48页 |
| ·CTIHD 的算法优化 | 第48-50页 |
| ·CTIHD 算法实现过程 | 第50-52页 |
| ·实验结果及分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 5．总结与展望 | 第55-57页 |
| ·总结 | 第55-56页 |
| ·展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间发表学术论文情况 | 第62-63页 |
| 致谢 | 第63页 |