基于主张量的时空数据特征驱动可视化方法

面向时空场数据高维分析与表达的需求,构建基于主张量的时空数据结构分析与动态表达模型.简述了张量的定义、基本算子及主张量分解方法,给出了基于主张量分解的多维度特征分析流程.利用张量的多维融合特性进行多维时空数据的组织与表达,设计了多维时空数据统一组织与存储方法.利用主张量分解方法,实现了时空数据不同维度结构特征的解析与动态重构,进而建立了基于主张量的多维时空数据多维度解析模型与特征驱动的时空数据联动可视化策略.以赤道太平洋海域卫星测高SSHA(Sea Surface Height Abnormity)网格数据进行实验验证.实现了基于张量的多维透视、子集提取、等值面绘制与时空体可视化等功能.利用主张量分解实现了对ENSO(El Ni(n)o-Southern Oscillation)事件时间型与空间型的解析与提取,并实现了时间、经度、纬度系数驱动下的联动可视化.实例验证表明,该方法较好再现了ENSO事件的时空分布格局与动态演化特征,并可实现对ENSO时空演化过程的多维度透视.     

基于移动通讯数据的用户行为可视分析

手机通话记录数据反映了人类的生活行为。基于数量庞大、类型繁多的移动数据,设计了多视图多粒度可视方式,对城市居民消费分布规律、个体活动轨迹、个体紧密社会关系网络进行分析;基于数据的时空属性,关联时空对比可视分析,对个体活动位置、活动范围等进行分析;在此基础上,设计并实现了移动通讯用户行为可视分析系统。结果表明,该系统在用户交互下能有效识别用户活动规律。     

车载网络安全数据可视化技术的设计与实现

为快速准确地检测出车载网络数据内部异常和网络安全威胁,制定有效的异常检测方案,通过车载终端采集车辆正常行驶阶段的真实CAN总线报文数据,从基于时间和数据特征的可视化的角度,设计消息事件时序散点图和报文内容时序变化图,表现和发掘车辆内部CAN总线网络的通信频率和通信内容等数据的变化特征;并采用统计和计算汉明距离等方法对原始报文数据进行二次加工处理,结合各种可视化方法,设计概略图等交互视图来表现网络内部变化态势。研究结果显示,此设计可有效实现车载网络安全数据的消息频率特征、消息内容特征和统计特征的可视化。     

一种基于属性贝叶斯网络的行为识别模型

针对传统行为识别方法仅利用底层特征识别的不足,提出了一种将动作属性与贝叶斯网络相结合的行为识别方法.首先,提取视频中的时空兴趣点及其3D-SIFT特征描述符,用词袋的方法建立时空词典对视频序列进行表示;然后,利用底层特征训练属性分类器,构造由底层特征到高层特征的映射,将底层特征样本经过属性分类器后得到行为—属性的样本信息,并采用MAP(最大后验概率)准则学习贝叶斯网络结构,从而建立一种基于属性贝叶斯网络的行为识别模型.实验结果表明该模型能有效地进行行为识别.     

数据驱动下交通异常行为的双层识别模型

为实现对车辆异常行为的准确识别,提高车辆行驶的安全性,提出了一种基于支持向量机(support vector machine, SVM)、监督学习与长短期记忆(long short term memory, LSTM)深度学习的交通异常驾驶行为双层识别模型。首先,对车辆轨迹数据筛除和滤波,构建异常行为数据集;其次,从异常行为轨迹特征中提取出特定异常行为的特征标签,并人为标定在训练集中;再次,构建SVM模型对训练集进行粗识别,基于SVM的二分法原理,从测试集中筛选出异常行为;最后,通过LSTM时间序列模型构建具体种类的异常行为模型,并通过深度学习的方法,从异常行为数据中细分为蛇形驾驶、急速变向、侧滑、大半径转弯、快速U型转弯、急刹车等具体的异常驾驶行为。本次实验选用下一代仿真(next generation simulation, NGSIM)数据中US-101高速公路和peachtree城市道路的数据集的轨迹数据验证SVM和LSTM双层识别模型的性能,包括均方根误差、识别准确率等。结果表明,构建的双层识别模型在第一层有98%的识别准确率,第二层有超过80%的识别准确率,可以较为准确地识...     

基于Circos弦图的居民出行模式可视分析

基于对城市中出租车OD(Origin-Destination：起始点－终止点)流时空模式的研究,能为城市路网规划、出租车营运方案制定以及居民出行计划提供科学的依据.而时空数据可视化与可视分析是从时空轨迹大数据中感知城市动态、分析OD时空模式的重要手段.该文基于Circos软件,以一种全新的可视化方式对出租车轨迹数据中的OD流进行时空多尺度可视分析.这种方式能在不同时空尺度下表征出租车轨迹OD流的流量、流向及OD流属性特征,能够展示多时空尺度下轨迹OD流数据的时空模式,能更好地理解居民在城市内部区域之间的流动模式,进而揭示居民的出行模式.通过对北京出租车历史轨迹GPS数据进行可视化实验,结果表明该可视化技术能在多时空尺度下表征轨迹OD流数据的时空模式.     

基于GPS定位数据的高速公路换道特征分析与行为识别

为了实现对高速公路微观状态的监测,需要对车辆换道行为进行识别.利用车载GPS定位数据获取车辆换道参数,并分析换道车及其周围车辆在换道时的参数统计分布特征,提取换道行为表征参数,建立了基于隐马尔可夫的换道行为识别模型.结果表明:利用该模型可以实现对驶出换道、驶回换道和车道保持行为的较好识别,且能在换道发生后1s识别出换道行为,准确率高达92%.为后期实时换道预警提供参考.     

基于多视图和注意力推荐网络的三维物体识别方法

传统物体识别方法是从单一图像中通过人工提取图像特征,存在成本高、质量低等问题。针对上述问题,提出一种基于多视图和注意力推荐网络的三维物体识别方法,多视图很好地保留了物体在局部和全局上的特征;注意力模块可以有效地对视图上关键的特征聚焦,忽略无关或干扰特征。该方法利用一组多视图作为输入数据,通过卷积神经网络端到端提取物体特征,在卷积层加入注意力模块,实现视图关键区域的定位和剪裁,将处理后的视图送入另外一个卷积层,两个相同卷积操作提取的特征在池化层聚合,利用稀疏表示分类器对特征描述子进行分类识别。通过两个公开数据集的实验表明,所提算法对物体图像的识别准确度优于传统算法。     

基于弱关联频繁模式的超限行为挖掘优化

目前采用博弈分析和流量预测等模型,对未来时间段道路网货运车辆超限行为进行提前识别,取得一定的检测效果,但对具有时空动态性和迁移性的超限车辆分布挖掘仍具有局限性.根据道路网超限车辆数据特点,提出一种基于弱关联频繁模式的超限行为的挖掘优化算法,该算法采用空间弱关联频繁模式构建的超限频繁模式树,建立时间弱关联的状态转移模型,得到频繁模式的预测值.在FP-growth频繁模式挖掘算法的基础上,首次建立了超限模式挖掘与货运车辆行为数据的时空弱关联,使超限行为预测算法误差率降至6%以下,有效提高了超限行为的检测效率.     

基于Snort的多视图网络流量可视化系统

现今网络恶意行为成爆炸性增长,而传统的基于文本的网络入侵检测系统在面对海量网络数据时存在认知负担过重、交互性不够等问题.网络安全可视化技术则可以将海量数据以图形图像的方式表现出来,在人与数据之间实现图像通信,从而使人能够快速发现网络流量中潜在的安全威胁.本文利用Java可视化工具包实现了一个基于Snort的多视图网络流量可视化系统,该系统能对从数据库中提取出的流量警报数据进行多视图动态展示和交互操作,在一定程度上减轻了网络分析员的负担,加快了查找网络问题的进度.     

基于联合轨迹特征的徘徊行为识别方法

徘徊行为判定作为异常行为识别的热点难题,目前存在难以构建具有场景特定性的识别模型问题.特定场景下的行人轨迹数据,或是有标签,或是无标签,针对如何利用特定场景下有标签轨迹数据信息问题,结合行人多种轨迹特征,提出基于分类函数的徘徊行为识别模型,能够通过分类函数自动学习该场景下有标签轨迹数据中的徘徊行为模式;针对如何利用特定场景下无标签轨迹数据信息问题,提出基于异常检测的徘徊行为识别模型,能够在大量无标签轨迹数据中自动学习潜在的徘徊行为模式.基于两种徘徊行为识别模型,提出徘徊行为识别框架,能够利用目标跟踪算法获取特定场景视频中行人的轨迹数据,并根据数据是否带有标签合适地构建对应的具有场景特定的徘徊行为识别模型.为了验证所提模型的有效性,选用CASIA-AR公开数据集作为测试集,和三种基准模型一起,在行走、奔跑和徘徊行为的识别上进行了对比实验.实验结果表明,所提模型在测试集上的准确率和召回率都优于基准模型,F1指标也有提升,验证了所提模型的有效性、场景特定性和迁移性.     

基于网络流量数据的多视图协同交互可视分析系统

网络安全可视化通过提供有效的信息可视化工具将抽象的网络和系统数据以图形图像的方式展示出来,帮助分析人员理解分析网络状况、识别网络异常、发现攻击行为。在研究网络安全可视化技术的基础上,从流量数据出发,从可视分析角度入手,设计并实现了针对网络流量数据的多视图协同交互的可视分析系统。该系统通过提供多视图、多层次、多角度的数据展示与交互分析来识别网络流量数据中的网络异常,使复杂的网络数据更加生动形象地展示在用户面前,便于用户理解分析网络流量情况,辅助用户做出正确决策。     

基于迁移学习的驾驶分心行为识别及模型解释

为了提高驾驶分心识别的应用性及识别模型的可解释性,利用迁移学习方法研究构建驾驶人驾驶分心行为识别模型并采用神经网络可视化技术研究对模型进行解释.以VGG-16模型为基础,对原模型全连接层进行修改以适应驾驶分心行为识别任务,将原数据集中的10类驾驶行为按照所包含的分心类型合并为6类,采用合并后的数据集进行模型训练和验证.利用Grad-Cam方法提取了模型在识别不同驾驶行为时的重点关注区域并进行可视化,对照各分心行为的特点及模型分类时的重点关注区域对模型进行了解释.结果表明:所构建模型在测试集中的平均识别准确率达98.89％,经过训练的模型已具备了定位各驾驶行为的关键特征并据此判别行为类别的能力.     

利用残差分析的网络异常流量检测方法

针对网络异常流量检测中大数据小异常造成的难题,提出了一种新的基于残差分析的网络异常流量检测方法。从多个角度提取网络流量的特征属性,以准确刻画正常行为和异常行为之间的差异性。利用提取的特征属性构建属性矩阵,采用流之间的相似性构建邻接矩阵。使用属性矩阵和邻接矩阵构建网络异常检测模型,采用CUR矩阵分解方法重构属性矩阵得到主模式,对属性矩阵和重构的属性矩阵进行残差计算进而获得残差矩阵。对残差矩阵中的每一个流计算其残差,根据每个流的残差和预设阈值进行异常判定。采集了西安交通大学校园网流量数据进行实验,实验结果表明:所提方法在不需要任何先验知识的情况下能够使异常检测率达到90%以上;与其他异常检测方法相比,所提方法不仅具有较高的检测率,而且能够实现异常源定位。     

基于人体属性分析的考场行为识别

在实际监控的边缘设备中利用TSN或者3DCNN网络很难实现实时的、相对准确的监控任务。提出一种结合了人体检测和人体属性分析的考场行为识别算法。相对于以提取时空特征作视频分类算法为主流思想的行为识别,利用视频帧以人体检测和人体属性分析结合的行为识别方法更加快速准确。方法借助了多标签学习、注意力机制和特征金字塔等策略来改进任务,同时利用迁移学习对本地采集的数据集进行再训练,实验结果表明达到了主流数据集的良好性能,并在考场环境具有高效性与实用性。     

树形频繁模式的挖掘及可视化技术研究

频繁项集的挖掘不仅仅是关联规则挖掘的基础,而且在序列模式、聚类、多维模式等数据挖掘任务中扮演重要角色.本文在给出一个基于数据垂直分布的频繁项集挖掘算法HBMFP的基础上,论述了利用MFC中的树视图控件(CTreeCtrl)将频繁项集树形可视化,并讨论了基于该频繁模式树的3种约束频繁项集查询的方法.     

基于运行模式的车辆能耗排放估计方法

车辆能耗排放特征与车辆运行模式密切相关.为提高车辆能耗排放估计的准确性,利用稀疏移动传感器数据,提出了一种基于运行模式的车辆能耗排放估计方法.以真实的车辆轨迹数据对模型进行了标定与验证.研究表明,所提出的车辆能耗排放估计方法能够有效地反映真实的车辆能耗排放特征.研究成果有助于拓展稀疏移动传感器数据的应用范围,为估计车辆能耗排放特征提供了一种新的研究思路.     

陕西省相对贫困区域识别及其时空变化特征分析

2020年后,我国将消除现行标准下的绝对贫困,脱贫攻坚目标得以实现,但相对贫困将会依然存在.相对贫困区域识别和时空变化特征分析,可与贫困人口精准识别实现"面点结合",是对"精准扶贫"持续实施和巩固提升脱贫攻坚成果的有机补充.从区域贫困的绝对性和相对性入手,以陕西省为研究区,设定省内各县社会、经济、健康和自然等四个维度,选取相应的8个指标并进行归一化处理,测算各县的多维贫困指数(MPI,Multidimensional Poverty Index),实现对陕西省内各县相对贫困程度识别.随后利用夜间灯光数据和扶贫办公布的贫困县名录等资料分别对识别结果进行验证,并对其时空变化特征进行分析.研究结果在区域实现全面稳定脱贫及减小相对贫困程度等方面提供学术支撑.研究表明:①贫困是一个复杂的综合体,应从多维度加以认识和研究,在帮扶个体贫困和消除绝对贫困的同时,要关注区域贫困和相对贫困问题;②基于多维贫困指数的相对贫困区域识别方法可行,结果有一定的可信度;③陕西县域相对贫困的时空变化特征明显.     

面向时空嵌套关系的半结构化时空数据管理模型研究

研究了利用半结构化时空数据的"嵌套"特征实现对时空数据存储和管理的问题,提出了一种面向时空嵌套关系的半结构化时空数据管理模型.该模型以时空数据的"嵌套关系"为管理对象,用更丰富的数据语义(semantics)区别了"实体对象类"的属性、"空问嵌套关系类"的属性和"时空嵌套关系类"的属性等概念,运用非第一范武的嵌套关系数据库实现对时空数据的综合营理.基于传统关系型DBMS和GIS组件构成的软件实验系统表明,本模型简明有效,在数据更新和冗余方面均取得了较好的效果.该研究为半结构化时空数据的管理探索了一条新的途径.     

基于稀疏表示和低秩逼近的自适应异常事件检测算法

针对传统异常事件检测算法没有考虑视频数据低秩特性的问题,提出了基于低秩稀疏编码模型的字典学习算法。对提取的多尺度三维时空梯度特征进行K-均值聚类。利用低秩稀疏编码模型进行每一个特征聚类的字典学习。通过迭代聚类和字典学习获取所有的正常行为模式。采用公共数据集UCSD Ped1和Avenue检测该算法的性能。与社会力(SF)、混合概率主成分分析(MPPCA)、社会力-混合概率主成分分析(SF-MPPCA)、混合动态纹理(MDT),Adam、子空间(Suspace)、稀疏组合学习框架(SCLF)7种方法对比,该文算法具有较高的正确率和较强的实时性。