| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 引言 | 第10-16页 |
| ·课题的研究背景和意义 | 第10-12页 |
| ·国内外发展现状 | 第12-14页 |
| ·论文的组织安排 | 第14-16页 |
| 2 基于运动轨迹数据的行为分析研究综述 | 第16-23页 |
| ·运动轨迹数据的预处理 | 第17-18页 |
| ·轨迹正规化 | 第17-18页 |
| ·轨迹降维 | 第18页 |
| ·轨迹聚类分析 | 第18-21页 |
| ·轨迹相似性度量 | 第18-19页 |
| ·聚类算法 | 第19-21页 |
| ·聚类结果评价 | 第21页 |
| ·基于轨迹数据的行为分析 | 第21-23页 |
| ·运动模式学习 | 第21-22页 |
| ·异常检测 | 第22页 |
| ·行为预测 | 第22-23页 |
| 3 基于隐结构信息的人群运动模式学习 | 第23-47页 |
| ·场景结构与隐结构信息 | 第23-24页 |
| ·本章研究工作框架 | 第24-25页 |
| ·隐结构信息学习 | 第25-31页 |
| ·轨迹预处理 | 第25-26页 |
| ·CURE聚类算法 | 第26-29页 |
| ·隐结构信息学习 | 第29-31页 |
| ·基于隐结构信息的轨迹分类 | 第31页 |
| ·基于人群轨迹数据集的运动模式建立 | 第31-37页 |
| ·运动轨迹数据的时间属性与空间属性 | 第32页 |
| ·时间属性分析 | 第32-34页 |
| ·空间属性分析 | 第34-37页 |
| ·运动模式建立与异常检测 | 第37页 |
| ·实验结果与分析 | 第37-47页 |
| 4 基于层次Dirichlet过程的人群行为分析 | 第47-65页 |
| ·并发模型与人群运动轨迹分析 | 第47页 |
| ·本章研究工作框架 | 第47-48页 |
| ·层次Dirichlet过程(HDP) | 第48-53页 |
| ·Dirichlet分布 | 第48-50页 |
| ·Dirichlet过程(DP)及其在自然语言处理中的应用 | 第50-52页 |
| ·层次Dirichlet过程(HDP)及其在自然语言处理中的应用 | 第52-53页 |
| ·人群运动关注区域学习 | 第53-58页 |
| ·轨迹预处理 | 第54-55页 |
| ·轨迹编码 | 第55-57页 |
| ·关注区域学习 | 第57-58页 |
| ·实验结果与分析 | 第58-65页 |
| 5 多尺度人群行为特征统计分析 | 第65-72页 |
| ·本章研究工作框架 | 第65页 |
| ·全局人群运动特征统计 | 第65-67页 |
| ·运动参数离散化 | 第65-66页 |
| ·全局运动速度-方向分布矩阵 | 第66-67页 |
| ·基于关注区域的人群运动特征统计 | 第67页 |
| ·实验结果与分析 | 第67-72页 |
| 6 工作总结与展望 | 第72-74页 |
| ·工作总结 | 第72页 |
| ·工作展望 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 作者简历 | 第80-82页 |
| 学位论文数据集 | 第82页 |