本文主要研究内容
作者韩昭蓉,黄廷磊,任文娟,许光銮（2019）在《基于Bi-LSTM模型的轨迹异常点检测算法》一文中研究指出：定位技术的飞速发展催生了时空轨迹大数据,轨迹数据中往往存在着明显偏离轨迹的异常点。检测出轨迹中的异常点对提高数据质量和后续轨迹数据挖掘精度至关重要。该文提出了一种基于双向长短时记忆网络(Bidirectional Long Short-Term Memory, Bi-LSTM)模型的轨迹异常点检测算法。首先对每个轨迹点提取一个6维的运动特征向量,然后构建了一个Bi-LSTM模型,模型输入为一定序列长度的轨迹数据特征向量,输出为轨迹点的类型结果。同时,算法采用了欠采样和过采样的组合方法缓解类别不平衡对检测性能的影响。融合了长短时记忆网络单元和双向网络,Bi-LSTM模型能够自动学习正常点和邻近异常点在运动特征上的差异。基于真实船舶轨迹标注数据的实验结果表明,该文算法的检测性能显著优于恒定速度阈值法、不考虑数据时序性的经典机器学习分类算法和卷积神经网络模型,尤其是召回率达到了0.902,验证了该文算法的有效性。
Abstract
ding wei ji shu de fei su fa zhan cui sheng le shi kong gui ji da shu ju ,gui ji shu ju zhong wang wang cun zai zhao ming xian pian li gui ji de yi chang dian 。jian ce chu gui ji zhong de yi chang dian dui di gao shu ju zhi liang he hou xu gui ji shu ju wa jue jing du zhi guan chong yao 。gai wen di chu le yi chong ji yu shuang xiang chang duan shi ji yi wang lao (Bidirectional Long Short-Term Memory, Bi-LSTM)mo xing de gui ji yi chang dian jian ce suan fa 。shou xian dui mei ge gui ji dian di qu yi ge 6wei de yun dong te zheng xiang liang ,ran hou gou jian le yi ge Bi-LSTMmo xing ,mo xing shu ru wei yi ding xu lie chang du de gui ji shu ju te zheng xiang liang ,shu chu wei gui ji dian de lei xing jie guo 。tong shi ,suan fa cai yong le qian cai yang he guo cai yang de zu ge fang fa huan jie lei bie bu ping heng dui jian ce xing neng de ying xiang 。rong ge le chang duan shi ji yi wang lao chan yuan he shuang xiang wang lao ,Bi-LSTMmo xing neng gou zi dong xue xi zheng chang dian he lin jin yi chang dian zai yun dong te zheng shang de cha yi 。ji yu zhen shi chuan bo gui ji biao zhu shu ju de shi yan jie guo biao ming ,gai wen suan fa de jian ce xing neng xian zhe you yu heng ding su du yu zhi fa 、bu kao lv shu ju shi xu xing de jing dian ji qi xue xi fen lei suan fa he juan ji shen jing wang lao mo xing ,you ji shi shao hui lv da dao le 0.902,yan zheng le gai wen suan fa de you xiao xing 。
论文参考文献
论文详细介绍
论文作者分别是来自雷达学报的韩昭蓉,黄廷磊,任文娟,许光銮，发表于刊物雷达学报2019年01期论文，是一篇关于轨迹数据论文,异常检测论文,特征提取论文,双向长短时记忆网络论文,雷达学报2019年01期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自雷达学报2019年01期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：轨迹数据论文; 异常检测论文; 特征提取论文; 双向长短时记忆网络论文; 雷达学报2019年01期论文;