移動(dòng)對(duì)象跟隨模式挖掘方法研究.pdf

1、浙江理工大學(xué)學(xué)位論文獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得浙江理工大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示謝意。學(xué)位論文作者簽名：碭、矽簽字日期：砂口l7年鄉(xiāng)月l鄉(xiāng)日浙江理工大學(xué)碩士學(xué)位論文移動(dòng)對(duì)象跟隨模式挖掘方法研究摘

2、要隨著各種定位工具的不斷發(fā)展，大量的移動(dòng)對(duì)象數(shù)據(jù)得以被GPS設(shè)備，智能手機(jī)，無(wú)線網(wǎng)絡(luò)設(shè)備等記錄。這些移動(dòng)數(shù)據(jù)作為分析移動(dòng)對(duì)象行為的基礎(chǔ)，包含著移動(dòng)對(duì)象在空間和時(shí)間上的重要信息。對(duì)這些信息進(jìn)行模式研究，不僅有助于理解移動(dòng)對(duì)象的行為模式，而且研究成果也被應(yīng)用于交通管理、動(dòng)物異常行為分析、路徑規(guī)劃等領(lǐng)域。目前，移動(dòng)對(duì)象模式挖掘主要集中在周期模式挖掘，頻繁模式挖掘，護(hù)衛(wèi)模式挖掘，集群模式挖掘等方面。本文主要針對(duì)移動(dòng)對(duì)象跟隨模式挖掘方法進(jìn)行深入的

3、研究。移動(dòng)對(duì)象跟隨模式是指跟隨者與領(lǐng)導(dǎo)者有著相似的運(yùn)動(dòng)軌跡，但是跟隨者在到達(dá)與領(lǐng)導(dǎo)者相似位置點(diǎn)時(shí)有一定的時(shí)間延遲。移動(dòng)對(duì)象跟隨模式的研究有益于許多實(shí)際的應(yīng)用，例如研究動(dòng)物群體中各個(gè)移動(dòng)對(duì)象的親近程度，通過分析可疑行蹤來追蹤罪犯等。本文的主要研究成果如下：(1)針對(duì)現(xiàn)有跟隨模式挖掘方法中沒有考慮到低采樣率會(huì)導(dǎo)致數(shù)據(jù)不確定性這一問題。本文提出了一種從概率論角度來挖掘移動(dòng)對(duì)象跟隨模式的研究思路，為此提出了基于布朗橋模型的跟隨模式建模方法。在收

4、集數(shù)據(jù)時(shí)，由于設(shè)備的問題，數(shù)據(jù)的采樣率可能并不高或者采樣時(shí)間間隔不一致。在對(duì)這些數(shù)據(jù)進(jìn)行分析時(shí)可能會(huì)造成結(jié)果的不準(zhǔn)確或者不能如實(shí)反映真實(shí)情況。通過對(duì)移動(dòng)對(duì)象的時(shí)空軌跡分布分別建模，再計(jì)算移動(dòng)對(duì)象之間的跟隨概率分布，可以避免外界因素對(duì)實(shí)驗(yàn)結(jié)果的干擾。實(shí)驗(yàn)表明該方法能夠?qū)ΩS模式的挖掘更加精確形象。(2)在分析移動(dòng)對(duì)象領(lǐng)導(dǎo)模式特點(diǎn)的基礎(chǔ)上，提出了基于PageRank算法的移動(dòng)對(duì)象群體領(lǐng)導(dǎo)模式挖掘算法。利用網(wǎng)頁(yè)的拓?fù)浣Y(jié)構(gòu)與群體中領(lǐng)導(dǎo)模式結(jié)構(gòu)的