轨迹数据分析方法及应用

封面

版权信息

内容简介

前言

第1章 绪论

1.1 轨迹与轨迹数据分析概述

1.1.1 轨迹数据来源

1.1.2 轨迹数据特征

1.1.3 轨迹数据分析的关键技术

1.2 轨迹数据挖掘

1.2.1 轨迹数据挖掘方法分类

1.2.2 轨迹数据挖掘的应用

1.2.3 轨迹数据挖掘的挑战与发展趋势

第2章 基于影响空间的噪声检测方法

2.1 问题提出

2.2 影响空间

2.2.1 影响空间概述

2.2.2 噪声特性分析

2.3 噪声检测算法

2.3.1 算法描述

2.3.2 算法分析

2.4 实验评价

2.4.1 数据描述

2.4.2 参数选择

2.4.3 人工数据集上的结果分析

2.4.4 真实数据集上的结果分析

2.5 本章小结

第3章 基于影响空间的噪声不敏感特征提取框架

3.1 问题提出

3.2 数据特征提取

3.2.1 特殊微簇

3.2.2 微簇中心

3.3 特征提取框架

3.3.1 算法描述

3.3.2 算法分析

3.4 实验评价

3.4.1 数据描述

3.4.2 参数选择

3.4.3 比较算法

3.4.4 MC的代表性分析

3.4.5 人工数据集上的准确性比较

3.4.6 真实数据集上的准确性比较

3.4.7 高维数据集上的准确性比较

3.4.8 框架效率分析

3.5 本章小结

第4章 散度距离及其无参密度聚类方法

4.1 问题提出

4.1.1 相似性传递效应

4.1.2 人为因素

4.1.3 密度度量

4.2 关键技术

4.2.1 散度距离

4.2.2 无参数处理

4.2.3 密度度量

4.2.4 自动中心点选择

4.3 密度聚类算法

4.3.1 算法流程

4.3.2 算法分析

4.4 实验评价

4.4.1 数据描述

4.4.2 参数选择

4.4.3 人工数据集上的结果比较

4.4.4 真实数据集上的结果比较

4.4.5 高维数据集上的结果比较

4.5 本章小结

第5章 基于时空密度分析的轨迹聚类算法

5.1 问题提出

5.2 时空密度分析

5.2.1 相关定义

5.2.2 时空密度函数

5.3 轨迹聚类算法

5.3.1 噪声容忍因子

5.3.2 轨迹聚类算法

5.4 实验评价

5.4.1 数据描述

5.4.2 参数选择

5.4.3 NMAST函数的有效性分析

5.4.4 TAD算法的有效性分析

5.5 本章小结

第6章 轨迹数据分析方法的应用

6.1 天体光谱数据分析

6.1.1 天光背景数据分析

6.1.2 低信噪比光谱分析

6.2 旋转机械故障诊断

6.2.1 问题描述

6.2.2 转子及轴承系统故障简介

6.2.3 转子-轴承故障诊断原型系统

6.2.4 转子系统故障诊断结果展示

6.2.5 轴承故障诊断结果展示

6.3 本章小结