一种基于增量核主成分分析的增量轨迹异常检测的方法

    公开(公告)号:CN106022368B

    公开(公告)日:2019-04-05

    申请号:CN201610325491.6

    申请日:2016-05-17

    Abstract: 一种基于增量核主成分分析的增量轨迹异常检测的方法,属于增量轨迹异常检测的方法。该方法:首先进行模型的初始化计算,使用传统的Batch KPCA进行初始核特征空间计算,每当有M条新增轨迹数据到来时,先对这M条轨迹数据进行标准化;然后使用Batch KPCA计算新增数据的核特征空间;分别计算新增数据和训练数据的平均重建误差,如果两者误差大于给定阀值,则执行后续的核特征空间分割‑合并方法,更新核特征空间;接着对更新后的核特征空间进行投影,提取出主分量;最后利用一类支持向量机进行无监督学习和异常检测。优点:该方法优于传统的核主成分分析方法,降低了计算复杂性,提高了轨迹异常检测的效率。

    基于偏移量计算的在线GPS轨迹数据压缩算法

    公开(公告)号:CN105071814A

    公开(公告)日:2015-11-18

    申请号:CN201510454703.6

    申请日:2015-07-29

    Abstract: 本发明涉及一种基于偏移量计算的在线GPS轨迹数据压缩算法,不断发现关键点并修正最新发现关键点和上一个关键点之间的关键点,使用同步欧氏距离阈值限制误差,对轨迹点的信息量评估准确度更高,可以有效地对在线GPS轨迹数据进行压缩,并且其运行时间相比其它算法也更稳定。

    便携式手机伴侣盒子及其使用方法

    公开(公告)号:CN105187618A

    公开(公告)日:2015-12-23

    申请号:CN201510318973.4

    申请日:2015-06-12

    Abstract: 本发明涉及一种便携式手机伴侣盒子及其使用方法,所述盒子包括一个固定外壳,固定外壳内安装线路板,线路板上设有MCU、WiFi模块、蓝牙模块、时钟芯片、开关按键、发光二极管、锂电池,以及能够采集温湿度、酒精浓度、距离、重量、声音、心跳、振动和亮度的传感器;MCU与各电子元件和传感器通过数据总线和控制总线连接,各元件和传感器还与锂电池连接;在使用时,传感器实时采集周围环境中的各种数据,用户根据自身需求,使用手机伴侣盒子进行所需的测量;MCU读取各个传感器中采集或测量的数据,发送到连接的手机端APP供用户查看,极为方便地为手机用户提供周围环境的各种实时数据和进行一些紧急的测量,极大地方便了人们的生活。

    基于FGAK的异常轨迹检测方法
    4.
    发明公开

    公开(公告)号:CN104915671A

    公开(公告)日:2015-09-16

    申请号:CN201510350004.7

    申请日:2015-06-23

    CPC classification number: G06K9/46 G06K9/6269

    Abstract: 一种基于FGAK的异常轨迹检测的方法,利用FGAK核函数构建核矩阵K,将原始轨迹空间中的轨迹点数据映射到高维轨迹特征空间中,将原始非线性的轨迹数据转换为高维特征空间中线性的特征数据;然后采用KPCA对核矩阵K进行特征提取,再利用一类支持向量机对轨迹进行分类,通过设定核函数宽度σ、提取率P,对提取后的轨迹特征数据进行无监督学习,通过决策函数判断某条轨迹是否为异常轨迹。该方法对异常轨迹的检测范围在传统的经纬度进行了扩展,可以从轨迹点的其他特性方面,例如速度、方向等进行异常检测,在加入额外检测因素时不需要对方法进行任何改变,采用基于FGAK的核函数,能够有效地运用到轨迹长度差异较大的轨迹数据集中。

    一种基于增量核主成分分析的增量轨迹异常检测的方法

    公开(公告)号:CN106022368A

    公开(公告)日:2016-10-12

    申请号:CN201610325491.6

    申请日:2016-05-17

    CPC classification number: G06K9/6269 G06K9/6256

    Abstract: 一种基于增量核主成分分析的增量轨迹异常检测的方法,属于增量轨迹异常检测的方法。该方法:首先进行模型的初始化计算,使用传统的Batch KPCA进行初始核特征空间计算,每当有M条新增轨迹数据到来时,先对这M条轨迹数据进行标准化;然后使用Batch KPCA计算新增数据的核特征空间;分别计算新增数据和训练数据的平均重建误差,如果两者误差大于给定阀值,则执行后续的核特征空间分割‑合并方法,更新核特征空间;接着对更新后的核特征空间进行投影,提取出主分量;最后利用一类支持向量机进行无监督学习和异常检测。优点:该方法优于传统的核主成分分析方法,降低了计算复杂性,提高了轨迹异常检测的效率。

    具有时间约束的轨迹数据热点区域的方法

    公开(公告)号:CN103324706B

    公开(公告)日:2016-03-23

    申请号:CN201310240557.8

    申请日:2013-06-17

    Abstract: 一种具有时间约束的轨迹数据热点区域的方法,属于轨迹数据热点区域的方法。该方法利用候选热点区域以及时间属性构建“R-T矩阵”,的矩阵,把热点区域与热点区域所在的时间范围有机结合在一起;把轨迹按照时间间隔分段,每个时间间隔都与热点区域所在的时间范围相匹配,通过“时间桶”轨迹被分段;然后把轨迹段与热点区域进行匹配,时间段[ti,ti+1]内轨迹T与候选热点区域R相交,移动对象在时间段[ti,ti+1]内经过了热点区域R,如果这条轨迹同时满足在区域内活动时间不小于阈值,则该轨迹被认为是热点区域的支持轨迹。优点:该方法候选热点区域具有时间约束;在进行热点区域发现的时候,区域的时间属性是必须要考虑的因素,从时间和空间两个不同的维度上考虑。

Patent Agency Ranking