学位论文 > 优秀研究生学位论文题录展示
移动对象轨迹分析技术研究
作 者: 谭川豫
导 师: 曹泽文
学 校: 国防科学技术大学
专 业: 管理科学与工程
关键词: 移动对象轨迹 感兴趣区域 频繁兴趣模式 网格划分剪除 DBSCAN方法
分类号: TN929.5
类 型: 硕士论文
年 份: 2010年
下 载: 84次
引 用: 0次
阅 读: 论文下载
内容摘要
随着全球定位系统、无线通信网络等基础设施的飞速发展与普及,传统的移动对象位置服务已经不能满足用户不断增长的应用需求,面临着许多新的挑战。移动对象轨迹分析作为移动对象分析中最重要的技术之一,在移动对象位置服务中占有十分重要的位置,有着广泛的应用前景。目前对移动对象轨迹分析的研究尚处于起步阶段,在理论和实际应用上还不成熟,存在许多问题和技术需要解决。论文在全面总结和分析国内外移动对象数据库领域相关工作的基础上,面向实际应用需求,对移动对象轨迹分析的关键技术进行研究,提出了移动对象轨迹数据预处理、移动对象轨迹分析中的感兴趣区域(Regions of Interest, ROI)和频繁兴趣模式(Frequent Interesting Pattern, FIP)发现的方法。本文的主要工作和创新点如下:1.提出基于网格划分剪除(Prune based on Grid Partition, PBGP)的方法,减少轨迹分析量。移动对象轨迹数据量庞大,无用数据多,通过PBGP方法将轨迹数据映射到网格中,结合ROI发现的条件,以单元中的轨迹数作为单元剪除的条件,同时为保证结果的完整性,该方法特别对单元边界区域进行分析。2.研究移动对象轨迹ROI发现方法,提出了针对大量移动对象轨迹ROI发现的两阶段方法。该方法首先采用改进的DBSCAN方法发现单轨迹中的聚类块,通过采用平均位置点表示聚类块,从而采用传统DBSCAN方法聚类得到大量轨迹的ROI。在改进的DBSCAN方法中结合轨迹的特点提出了Eps线性邻域的概念,并提出通过分位数函数确定参数。3.提出了移动对象FIP的发现方法。在ROI发现的基础上,本文对单个移动对象轨迹和大量移动对象轨迹的FIP发现方法进行了研究。在单轨迹FIP发现中,通过对各个ROI中移动对象信息的统计生成感兴趣区域信息列表(ROI-list),根据单个对象在各个ROI中出现的频率与时间得到其FIP。对大量移动对象轨迹的FIP发现,本文在ROI的兴趣度和移动对象经验度的基础上,提出了计算模式段得分的方法,任意长度的模式段的得分为各段得分之和,该方法能发现任意长度的FIP。对论文中提出的方法,通过实例分析,证明了它们在时间性能和准确性上的优势。
|
全文目录
摘要 8-9 ABSTRACT 9-11 第一章 绪论 11-20 1.1 研究背景及意义 11-14 1.1.1 移动对象轨迹分析研究背景 11-12 1.1.2 移动对象轨迹分析研究意义 12-14 1.2 国内外研究现状 14-16 1.3 研究内容与思路 16-18 1.4 论文组织结构 18-20 第二章 移动对象轨迹分析相关技术 20-33 2.1 移动对象概述 20-21 2.1.1 移动对象的特点 20-21 2.1.2 移动对象数据库 21 2.2 移动对象轨迹建模技术 21-24 2.3 移动对象轨迹索引技术 24-28 2.4 移动对象轨迹查询技术 28-31 2.4.1 区域查询 28 2.4.2 基于轨迹查询 28-29 2.4.3 k 最近邻居查询 29-30 2.4.4 相似轨迹查询 30 2.4.5 不确定轨迹查询 30-31 2.5 移动对象轨迹聚类技术 31-32 2.6 本章小结 32-33 第三章 基于PBGP 的移动对象轨迹ROI 发现方法. 33-54 3.1 相关研究 33-35 3.2 问题描述 35-38 3.3 网格划分剪除方法 38-45 3.3.1 PBGP 方法的步骤 38-40 3.3.2 PBGP 剪除策略 40-43 3.3.3 PBGP 方法性能分析 43-45 3.4 移动对象轨迹的ROI 发现方法 45-49 3.4.1 单轨迹聚类的改进DBSCAN 方法 45-48 3.4.2 多轨迹的ROI 发现 48-49 3.5 实验结果及分析 49-52 3.5.1 实验设置 49-50 3.5.2 实验结果及分析 50-52 3.6 本章小结 52-54 第四章 基于ROI 的频繁兴趣模式发现方法 54-66 4.1 相关研究和问题描述 54-57 4.2 基于ROI 的单个移动对象频繁兴趣模式发现方法 57-60 4.2.1 单个移动对象频繁兴趣模式发现的RLT 方法 57-59 4.2.2 实例分析 59-60 4.3 基于ROI 的大量移动对象频繁兴趣模式发现方法 60-65 4.3.1 相关定义 60-61 4.3.2 大量移动对象频繁兴趣模式发现方法 61-63 4.3.3 实例分析 63-65 4.4 本章小结 65-66 第五章 总结与展望 66-68 5.1 论文工作总结 66-67 5.2 未来工作展望 67-68 致谢 68-70 参考文献 70-77 作者在学期间取得的学术成果 77-78 附录A 攻读硕士学位期间参加科研情况 78
|
相似论文
- 基于H.264/AVC可分级视频编码算法的研究,TN919.81
- 一种基于SPIHT改进的ROI图像编码方法,TN919.81
- 精细可分级编码和多径传输技术研究,TP212.9
- 基于JPEG的感兴趣图像区域压缩算法的设计与实现,TP391.41
- 肺部CT图像感兴趣区域提取方法研究,TP391.41
- 利用小波变换与优化截断的嵌入式块编码进行图像压缩,TP391.41
- 面向智能监控中动态感兴趣区域的识别和编码,TP391.41
- 形状自适应变换及其在感兴趣区域编码中的应用研究,TP391.41
- 基于彩色图像的面色疾病诊断方法研究,TP391.41
- 基于三维CT图像数据的腰椎骨密度测量方法的研究,TP391.41
- 图像感兴趣区域提取技术研究,TP391.41
- H.264宏块级自适应频率加权算法的研究,TN919.81
- 基于H.264标准的多描述视频编码技术研究,TN919.81
- 稀疏场景合成孔径雷达图像压缩研究,TN957.52
- 无线多媒体传感器网络视频压缩算法研究,TP212.9
- 基于HVS特性的视频质量评估方法,TP391.41
- 非感兴趣区域图像实时压缩与存储的研究,TP391.41
- 基于感兴趣区域的颅脑图像处理与应用,TP391.41
- 多级多特征的医学图像检索系统研究,TP391.41
- 基于多特征集成的图像自动标注方法研究,TP391.41
中图分类: > 工业技术 > 无线电电子学、电信技术 > 无线通信 > 移动通信
© 2012 www.xueweilunwen.com
|