基于改进密度聚类与模式信息挖掘的异常轨迹识别方法

针对社会安全事件中异常行为信息识别挖掘难等问题,提出一种基于改进密度聚类与模式信息挖掘的异常轨迹识别方法。首先,针对采样问题,结合Hausdorff距离思想重新定义一种改进型DTW距离,用于描述轨迹具体行为,而MBR距离下的延伸定义,则用于描述轨迹覆盖区域热度。其次,在CFSFDP算法的密度关联与决策模型下,基于支持向量机回归(SVR,support vector regression)提出了特定支持向量机回归(SSVR,specific support vector regression),利用针对性改良下的回归差异非线性识别类中心,实现类的智能识别。最后,通过2种密度下的类识别,实现更多异