基于iForest的船舶轨迹点异常检测方法

船舶自动识别系统所产生的数据巨量且复杂,异常检测作为航行数据挖掘的重要部分,近年来被许多学者所研究,为海上监管部门检测和分析船舶异常行为提供了有力的数据支持。为检测船舶航行过程中产生的少量且异常的数据,采用了一种基于iForest的检测算法对船舶轨迹点异常进行了研究,对算法过程的孤立树和子采样的个数提出一种自适应选择方法,根据不同数据集算法可以提取出最适宜的参数,从而优化检测结果。利用渤海部分区域的AIS数据进行实验研究,并将结果与三种常用的异常检测算法进行了比较,实验结果表明,该方法的AUC数值高于其他算法。

基于轨迹点局部异常度的异常点检测算法

随着大量的定位数据被收集在应用服务器,如何从大量定位轨迹数据挖掘异常信息已逐渐成为一个令人关注的研究课题.针对当前流行的、以轨迹片段表示局部特征的异常点检测算法存在的问题,文中提出了以轨迹点表示局部特征的异常点检测算法TraLOD.该算法不仅提出了将每个轨迹点赋予一个0~1的值来表示其局部异常程度,而且还引入了相对距离来计算轨迹片段之间的不匹配性.此外,针对数据挖掘算法效率低的缺点,TraLOD引入了R-Tree和距离特征矩阵来提高算法效率.性能分析和实验都证明了TraLOD的有效性.