行人群組是指一群聚集在一起并沿相似路線行走的人的集合。事實(shí)上人們常常結(jié)伴而行,群組現(xiàn)象廣泛地存在于各種社會(huì)活動(dòng)之中。對(duì)于行人之間群組關(guān)系的分析能夠幫助研究者理解人與人之間的互動(dòng)模式,從而進(jìn)一步地挖掘行人之間的社會(huì)關(guān)系并將其應(yīng)用于各個(gè)領(lǐng)域。比如以行人群組信息為基礎(chǔ),商家可以為用戶(hù)發(fā)送更加有針對(duì)性的促銷(xiāo)信息。對(duì)于大型集會(huì)等社會(huì)活動(dòng),行人群組信息也為緊急疏散方案提供決策依據(jù)。隨著智能手機(jī)的普及和發(fā)展,利用手機(jī)內(nèi)置傳感器獲取反映行人位置和運(yùn)動(dòng)特征的信息變得更加容易。這些數(shù)據(jù)能夠幫助研究者更好地分析行人之間的潛在關(guān)系從而加快行人群組領(lǐng)域的研究進(jìn)展。目前,絕大多數(shù)對(duì)于行人群組的工作都是以行人的位置信息作為必要條件輔以相關(guān)的運(yùn)動(dòng)數(shù)據(jù)來(lái)挖掘其中隱含的群組信息,從而實(shí)現(xiàn)對(duì)行人群組的識(shí)別和追蹤等操作。對(duì)于如何得到研究所必須的位置數(shù)據(jù),手機(jī)內(nèi)置的GPS傳感器因其能夠獲取日常生活中各種場(chǎng)景下行人的位置信息而成為研究人員的首要選擇。但是智能手機(jī)長(zhǎng)時(shí)間持續(xù)地開(kāi)啟諸如GPS等傳感器所造成的巨大能量消耗是目前該領(lǐng)域面對(duì)的挑戰(zhàn)之一。針對(duì)上述挑戰(zhàn),本文提出了一種節(jié)能的行人群組識(shí)別和監(jiān)測(cè)方法,在不降低現(xiàn)有群組檢測(cè)準(zhǔn)確度的同... 

【文章來(lái)源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：85 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語(yǔ)對(duì)照表
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 論文研究?jī)?nèi)容
    1.4 論文組織結(jié)構(gòu)
第二章 基礎(chǔ)理論與技術(shù)
    2.1 基于手機(jī)傳感器數(shù)據(jù)的用戶(hù)行為研究
    2.2 群組檢測(cè)的聚類(lèi)方法
        2.2.1 基于分裂的聚類(lèi)方法
        2.2.2 層次聚類(lèi)方法
        2.2.3 基于密度的聚類(lèi)方法
    2.3 異常檢測(cè)方法
        2.3.1 基于分類(lèi)方法的異常檢測(cè)
        2.3.2 基于聚類(lèi)方法的異常檢測(cè)
        2.3.3 基于統(tǒng)計(jì)方法的異常檢測(cè)
        2.3.4 基于最近鄰分析的異常檢測(cè)
    2.4 本章小結(jié)
第三章 基于GPS數(shù)據(jù)的群組識(shí)別
    3.1 群組狀態(tài)定義
        3.1.1 潛在組
        3.1.2 活躍組
        3.1.3 穩(wěn)定組
        3.1.4 解散組
    3.2 群組識(shí)別方法總體架構(gòu)
    3.3 空間聚類(lèi)方法
        3.3.1 密度融合聚類(lèi)算法原理
        3.3.2 基于密度融合算法的空間聚類(lèi)方法
    3.4 時(shí)間聚類(lèi)方法
        3.4.1 群組成員相似度
        3.4.2 群組結(jié)構(gòu)相似度
        3.4.3 基于群組相似度的時(shí)間聚類(lèi)方法
    3.5 本章小結(jié)
第四章 基于慣性傳感器數(shù)據(jù)的群組監(jiān)測(cè)
    4.1 群組監(jiān)測(cè)方法總體架構(gòu)
    4.2 在線數(shù)據(jù)處理
        4.2.1 原始數(shù)據(jù)處理
        4.2.2 數(shù)據(jù)特征提取
        4.2.3 構(gòu)造群組差異值序列
    4.3 基于增量局部異常因子的異常事件檢測(cè)
        4.3.1 增量局部異常因子算法
        4.3.2 穩(wěn)定組異常時(shí)刻檢測(cè)
        4.3.3 異常時(shí)刻的異常個(gè)體及其行為識(shí)別
    4.4 本章小結(jié)
第五章 測(cè)試實(shí)驗(yàn)與結(jié)果分析
    5.1 實(shí)驗(yàn)方法
        5.1.1 群組識(shí)別及監(jiān)測(cè)實(shí)驗(yàn)方案設(shè)計(jì)與測(cè)試
        5.1.2 群組監(jiān)測(cè)階段針對(duì)性實(shí)驗(yàn)設(shè)計(jì)與測(cè)試
    5.2 實(shí)驗(yàn)評(píng)估指標(biāo)
        5.2.1 群組檢測(cè)準(zhǔn)確度評(píng)估指標(biāo)
        5.2.2 算法耗電量評(píng)估指標(biāo)
    5.3 對(duì)比方法與參數(shù)設(shè)置
        5.3.1 對(duì)比方法介紹
        5.3.2 參數(shù)設(shè)置
    5.4 實(shí)驗(yàn)結(jié)果分析
        5.4.1 群組識(shí)別及監(jiān)測(cè)實(shí)驗(yàn)準(zhǔn)確率結(jié)果分析
        5.4.2 算法耗電量結(jié)果分析
        5.4.3 參數(shù)分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介



本文編號(hào)：3060953