基于Grid空间划分的高效离群轨迹检测方法.pdfVIP

TRAODGrid：基于 Grid 空间划分的高效离群轨迹检测方法 唐良 唐常杰 姜页希 李川 段磊 曾春秋 徐开阔 (四川大学计算机学院 数据库与知识工程研究所 四川省成都市 610065) (tangliang@, tangchangjie@) 摘 要 为在海量离群轨迹数据的挖掘中提升算法运行效率，本文提出一种高效的离群轨迹挖掘算法TRAODGrid。该算法通过挖掘离群 轨迹点探测离群轨迹。本文提出的轨迹向量度量方法可以有效检测出轨迹点和轨迹分段在空间位置和轨迹方向上的离群性，并且通过Grid 空间划分法，提高算法的运行效率。真实数据实验测试表明，TRAODGrid 算法比最新的TRAOD 离群轨迹挖掘算法效率高出2 个数量级。 TRAODGrid: An Efficient Trajectory Outlier Detection Algorithm with Grid-based Space Division   Tang Liang, Tang Changjie, Jiang Yexi, Li Chuan, Duan Lei, Zeng Chunqiu, Xu Kaikuo (School of Computer Science and Technology, Institute of Database and Knowledge Engineering, Sichuan University, Chengdu Sichuan 610065) Abstract Trajectory outlier detection is a widely used data mining application. This paper proposes a novel detection method called TRAODGrid to increase the efficiency of trajectory outlier detection. TRAODGrid detects the trajectory outlier based on finding trajectory point outliers. The concept of trajectory vector measurement can detect the positional and angular outliers in trajectory points and trajectories. By the space division, the efficiency of trajectory outlier detection can be improved significantly. Experiments show that, compared with the most recent algorithm TRAOD, our TRAODGrid surpasses it by 2 orders of magnitudes. Key words Outlier analysis ；Trajectory mining ；Space division； 关键词 离群分析；轨迹挖掘；空间划分； 中图法分类号: TP301.6 挖掘效率十分低下。 1. 引言 离群点检测是数据挖掘的重要研究课题。离群点是指 某些与数据集中数据在行为或模式上与众不同的数据对 象。这些离群点数据对象本身可能隐藏重要的信息，或者 可能是特别令人感兴趣的[1]。离群点挖掘具有广泛的应 用，诸如信用卡欺诈检测，网络入侵判别等等。已有的离 群点检测方法包括基于分布[2]，基于距离[3-6]，基于密 图 1 离群轨迹示例 度[7, 8]，基于偏差[9]等。 本文的主要工作包括：(1)提出一种新的离群轨迹的 Knorr 等人提出方法通过提取轨迹的特征向量，利用 判定方法。通过寻找每条轨迹上的离群轨迹点，计算其组 常规离群检测方