-
题名基于多示例学习的异常行为检测方法
被引量:11
- 1
-
-
作者
崔永艳
高阳
-
机构
南京大学计算机科学与技术系计算机软件新技术国家重点实验室
-
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2011年第6期862-868,共7页
-
基金
国家自然科学基金项目(No.61035003
61175042
+4 种基金
60721002)
国家973计划项目(No.2009CB320700)
科技部国际合作专项项目(No.2010DFA110307)
教育部新世纪人才支持计划项目(No.NCEF-10-0476)
江苏省社会发展项目(No.BE2010638)资助
-
文摘
在基于轨迹分析的异常行为检测方法中,被标记为异常的轨迹往往仅在整条轨迹的某个局部存在异常,轨迹的其余部分都是正常行为.然而,传统的基于整条轨迹建模的方法很难检测轨迹的局部异常.针对上述问题,提出一种在多示例学习框架下基于轨迹分段的异常行为检测方法.该方法首先根据轨迹的曲率,将轨迹分割成若干相互独立的子段.然后采用层次狄利克雷过程-隐马尔科夫模型对每个子段建模.最后在多示例学习框架下,以整条轨迹为包,正常轨迹为负包,异常轨迹为正包,轨迹子段为包的示例进行学习.通过实验验证,该方法在准确率和召回率上都优于传统的基于轨迹建模的方法.
-
关键词
异常行为检测
轨迹分段
层次狄利克雷过程-隐马尔科夫模型(HDP—HMM)
多示例学习
-
Keywords
abnormal event detection, trajectory hidden markov model (hdp-hmm) segmentation, hierarchical dirichlet process- multi-instance learning
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TP18
[自动化与计算机技术—控制理论与控制工程]
-