發(fā)布時間：2018-08-14 14:31

【摘要】：無線通信和移動計算技術的飛速發(fā)展,GPS和北斗等全球定位導航系統(tǒng)的應用普及,便捷的位置采集方式催生了大量描述移動物體(如人,車輛和動物)的時空軌跡數據。隨著社交網絡服務市場的快速增長和激烈的競爭,目前社交網絡服務趨向于移動化形成移動社交網絡。在移動社交網絡中,具有共同興趣的人會使用手機或平板電腦等移動設備進行交流,用戶可以隨時跟蹤和分享位置相關的信息,移動社交網絡中海量時空數據為研究移動社交網絡中對象移動行為帶來新的機遇。本論文面向移動社交網絡中海量時空數據分析的需求,提出一種新穎的移動社交網絡中用戶移動模型構建和相似性度量的方法。另外,本文針對實時安全監(jiān)控領域的需求,提出一種基于Hausdorff距離的網格序列聚類方法對大規(guī)模軌跡數據進行異常軌跡檢測的算法。本文使用微軟亞洲研究院發(fā)布的真實數據集GeoLife評估本文中所提出算法的有效性和實時性。實驗結果表明,本文所提出的算法可以有效地構建移動用戶的移動模型并且在相似性度量準確性上優(yōu)于傳統(tǒng)相似性的度量方法。此外,本文提出的異常軌跡檢測算法在有效檢測到異常行為的同時大大降低了傳統(tǒng)異常檢測算法的時間消耗,為實現(xiàn)在線實時異常檢測做出一定的貢獻。
[Abstract]:With the rapid development of wireless communication and mobile computing technology, GPS and Beidou global positioning navigation systems are widely used. The convenient location acquisition method has given birth to a large number of space-time trajectory data describing mobile objects (such as people, vehicles and animals). With the rapid growth of the social network service market and fierce competition, the current social network services tend to be mobile to form mobile social network. In mobile social networks, people with common interests use mobile devices such as mobile phones or tablets to communicate, allowing users to track and share location-related information at any time. Massive spatiotemporal data in mobile social networks bring new opportunities to study the mobile behavior of objects in mobile social networks. In this paper, a novel method of user mobility model construction and similarity measurement in mobile social networks is proposed to meet the needs of massive spatio-temporal data analysis in mobile social networks. In addition, in order to meet the requirements of real-time security monitoring, this paper proposes an algorithm based on Hausdorff distance based grid sequence clustering to detect the abnormal trajectory of large-scale trajectory data. In this paper, the real data set GeoLife published by Microsoft Asia Research Institute is used to evaluate the effectiveness and real-time performance of the proposed algorithm. The experimental results show that the proposed algorithm can effectively construct the mobile model of mobile users and is superior to the traditional similarity measurement method in the accuracy of similarity measurement. In addition, the anomaly trajectory detection algorithm proposed in this paper not only effectively detects abnormal behavior, but also greatly reduces the time consumption of the traditional anomaly detection algorithm, and makes a certain contribution to the on-line real-time anomaly detection.
【學位授予單位】：南京大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP393.09;TP301.6

【相似文獻】

相關期刊論文 前10條

1 ;基于位置的手機社交網絡“貝多”正式發(fā)布[J];中國新通信;2008年06期

2 曹增輝;;社交網絡更偏向于用戶工具[J];信息網絡;2009年11期

3 ;美國:印刷企業(yè)青睞社交網絡營銷新方式[J];中國包裝工業(yè);2010年Z1期

4 李智惠;柳承燁;;韓國移動社交網絡服務的類型分析與促進方案[J];現(xiàn)代傳播(中國傳媒大學學報);2010年08期

5 賈富;;改變一切的社交網絡[J];互聯(lián)網天地;2011年04期

6 譚拯;;社交網絡:連接與發(fā)現(xiàn)[J];廣東通信技術;2011年07期

7 陳一舟;;社交網絡的發(fā)展趨勢[J];傳媒;2011年12期

8 殷樂;;全球社交網絡新態(tài)勢及文化影響[J];新聞與寫作;2012年01期

9 許麗;;社交網絡:孤獨年代的集體狂歡[J];上海信息化;2012年09期

10 李玲麗;吳新年;;科研社交網絡的發(fā)展現(xiàn)狀及趨勢分析[J];圖書館學研究;2013年01期

相關會議論文 前10條

1 趙云龍;李艷兵;;社交網絡用戶的人格預測與關系強度研究[A];第七屆（2012）中國管理學年會商務智能分會場論文集（選編）[C];2012年

2 宮廣宇;李開軍;;對社交網絡中信息傳播的分析和思考——以人人網為例[A];首屆華中地區(qū)新聞與傳播學科研究生學術論壇獲獎論文[C];2010年

3 楊子鵬;喬麗娟;王夢思;楊雪迎;孟子冰;張禹;;社交網絡與大學生焦慮緩解[A];心理學與創(chuàng)新能力提升——第十六屆全國心理學學術會議論文集[C];2013年

4 畢雪梅;;體育虛擬社區(qū)中的體育社交網絡解析[A];第九屆全國體育科學大會論文摘要匯編(4)[C];2011年

5 杜p，

本文編號：2183158