• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Knowledge and Data Engineering, IEEE Transactions on >Mining Group Movement Patterns for Tracking Moving Objects Efficiently
【24h】

Mining Group Movement Patterns for Tracking Moving Objects Efficiently

机译：挖掘组运动模式以有效跟踪运动对象

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Existing object tracking applications focus on finding the moving patterns of a single object or all objects. In contrast, we propose a distributed mining algorithm that identifies a group of objects with similar movement patterns. This information is important in some biological research domains, such as the study of animals' social behavior and wildlife migration. The proposed algorithm comprises a local mining phase and a cluster ensembling phase. In the local mining phase, the algorithm finds movement patterns based on local trajectories. Then, based on the derived patterns, we propose a new similarity measure to compute the similarity of moving objects and identify the local group relationships. To address the energy conservation issue in resource-constrained environments, the algorithm only transmits the local grouping results to the sink node for further ensembling. In the cluster ensembling phase, our algorithm combines the local grouping results to derive the group relationships from a global view. We further leverage the mining results to track moving objects efficiently. The results of experiments show that the proposed mining algorithm achieves good grouping quality, and the mining technique helps reduce the energy consumption by reducing the amount of data to be transmitted.
机译：现有的对象跟踪应用程序专注于查找单个对象或所有对象的移动模式。相比之下，我们提出了一种分布式挖掘算法，该算法可识别具有相似运动模式的一组对象。这些信息在某些生物学研究领域非常重要，例如对动物的社会行为和野生动植物迁徙的研究。所提出的算法包括局部挖掘阶段和聚类组装阶段。在局部挖掘阶段，该算法根据局部轨迹找到运动模式。然后，基于导出的模式，我们提出了一种新的相似性度量来计算运动对象的相似性并识别局部群体关系。为了解决资源受限环境中的节能问题，该算法仅将本地分组结果传输到接收器节点以进行进一步集成。在聚类集成阶段，我们的算法将局部分组结果组合在一起，以从全局视图中得出分组关系。我们进一步利用挖掘结果来有效地跟踪运动对象。实验结果表明，所提出的挖掘算法具有良好的分组质量，并且通过减少待传输的数据量来降低能耗。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号