| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 第一章 绪论 | 第7-15页 |
| 1.1 研究背景和意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 轨迹模式 | 第8-10页 |
| 1.2.2 轨迹相似性和用户相似性 | 第10-11页 |
| 1.2.3 轨迹异常检测 | 第11-12页 |
| 1.3 本文主要研究内容和成果 | 第12-13页 |
| 1.4 本文组织结构 | 第13-15页 |
| 第二章 时空轨迹分析相关技术理论 | 第15-27页 |
| 2.1 GPS轨迹和停留点 | 第15-16页 |
| 2.1.1 GPS轨迹 | 第15页 |
| 2.1.2 停留点 | 第15-16页 |
| 2.2 感兴趣区域 | 第16-17页 |
| 2.3 轨迹模式 | 第17页 |
| 2.4 离群点检测 | 第17-20页 |
| 2.5 聚类分析算法 | 第20-26页 |
| 2.5.1 k-均值 | 第21-23页 |
| 2.5.2 k-中心点 | 第23-24页 |
| 2.5.3 层次聚类 | 第24-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 用户移动模型构建和相似性度量 | 第27-47页 |
| 3.1 停留点提取 | 第27-29页 |
| 3.2 感兴趣区域构建 | 第29-32页 |
| 3.2.1 离群停留点检测 | 第29-31页 |
| 3.3.2 凝聚层次聚类 | 第31-32页 |
| 3.3 最大轨迹模式集挖掘 | 第32-36页 |
| 3.3.1 最大轨迹模式集挖掘流程 | 第32-34页 |
| 3.3.2 T-Pattern Miner | 第34-35页 |
| 3.3.3 T-Pattern Miner语法结构 | 第35-36页 |
| 3.3.4 输入输出文件格式 | 第36页 |
| 3.4 用户相似性度量 | 第36-45页 |
| 3.4.1 轨迹模式的相似性 | 第37-43页 |
| 3.4.1.1 空间相似性 | 第37-40页 |
| 3.4.1.2 时间相似性 | 第40-43页 |
| 3.4.1.3 总体相似性 | 第43页 |
| 3.4.2 用户的相似性 | 第43-45页 |
| 3.4.2.1 支持度 | 第44-45页 |
| 3.4.2.2 词频-逆文档频率 | 第45页 |
| 3.5 本章小结 | 第45-47页 |
| 第四章 用户异常移动轨迹检测 | 第47-52页 |
| 4.1 网格序列构建 | 第47-50页 |
| 4.2 Hausdorff距离 | 第50页 |
| 4.3 网格序列聚类 | 第50-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 实验结果及分析 | 第52-65页 |
| 5.1 数据集 | 第52-53页 |
| 5.2 用户移动模型构建和比较算法评估 | 第53-57页 |
| 5.2.1 停留点提取算法 | 第53-54页 |
| 5.2.2 凝聚层次聚类 | 第54-55页 |
| 5.2.3 用户相似性 | 第55-57页 |
| 5.3 用户异常移动轨迹检测算法评估 | 第57-64页 |
| 5.3.1 地面实况和评判标准 | 第58-59页 |
| 5.3.2 网格序列构建 | 第59-60页 |
| 5.3.3 异常轨迹检测结果 | 第60-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 研究工作总结 | 第65页 |
| 6.2 未来工作展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间科研成果 | 第72-73页 |