Mining regular behaviors based on multidimensional trajectories

در حوزه همجوشی اطلاعات، رفتارهای منظم معدن برای طبقه بندی وظیفه، تشخیص رفتار ناهنجاری، ارزیابی وضعیت و تخمین تهدید بسیار مهم است. از طریق خوشه بندی مسیرهای چند بعدی که در انواع سیستم های اطلاعات الکترونیکی انباشته می شوند، رفتارهای منظم می توانند استخراج شوند. بیشتر روشهای خوشه بندی مسیرها خوشه بندی مسیرهای بسته بندی موقعیت مکانی به خوشه است. آنها نمی توانند رفتارهایی را که موقعیت فضایی آنها مشابه است، تشخیص دهند، اما سرعت و جهت حرکت کاملا متفاوت هستند. بعضی از شیوه های خوشه بندی زیر مسیری که معیارهای شباهت را با توجه به جهت، سرعت و زاویه بخش ارائه می دهند می توانند این مشکل را حل کنند، اما برای برخی از سناریوهای کاربردی مناسب نیستند که باید تمام مسیرها را دسته بندی کنند. در این مقاله، با استفاده از الگوریتم خوشه بندی خطی چند بعدی، با در نظر گرفتن ویژگی، نوع، موقعیت، سرعت، و ویژگی های دوره، ما یک الگوریتم خوشه بندی مسیری چند بعدی را پیشنهاد دادیم و آن را در دو آزمایش انجام دادیم. این تحقیق بسیار مفید برای استخراج تمام رفتارهای منظم در سناریوهای کاربردی مختلف است و چشم انداز گسترده ای در سیستم های متخصص و هوشمند دارد.