Minería de patrones anómalos en trayectorias de objetivos móviles basada en clasificación de múltiples atributos
Autores: Xie, Bin; Guo, Hui; Zheng, Guo
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Minería de patrones anómalos en trayectorias de objetivos móviles basada en clasificación de múltiples atributos
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Datos de trayectoria
Objetivos en movimiento
Patrones anómalos
Comportamiento espacio-temporal
Detección de anomalías
Clasificación multiatributo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 18
Citaciones: Sin citaciones
Como tipo de datos de series temporales, los datos de trayectoria registran objetivamente la información de ubicación y el tiempo correspondiente de las actividades de un objeto. No solo describe la trayectoria de actividad espacial de un objeto en movimiento, sino que también contiene los atributos únicos, estados y características conductuales del propio objeto en movimiento. También puede reflejar la relación de interacción entre las actividades del objeto y varios elementos en el entorno hasta cierto punto. Por lo tanto, la minería de datos de trayectoria de objetivos móviles para descubrir patrones de comportamiento espaciotemporales implícitos, efectivos y potencialmente útiles de objetivos móviles, como la detección de anomalías, tendrá una significativa importancia investigativa.
Descripción
Como tipo de datos de series temporales, los datos de trayectoria registran objetivamente la información de ubicación y el tiempo correspondiente de las actividades de un objeto. No solo describe la trayectoria de actividad espacial de un objeto en movimiento, sino que también contiene los atributos únicos, estados y características conductuales del propio objeto en movimiento. También puede reflejar la relación de interacción entre las actividades del objeto y varios elementos en el entorno hasta cierto punto. Por lo tanto, la minería de datos de trayectoria de objetivos móviles para descubrir patrones de comportamiento espaciotemporales implícitos, efectivos y potencialmente útiles de objetivos móviles, como la detección de anomalías, tendrá una significativa importancia investigativa.