- · 《中国社区医师》栏目设[06/30]
- · 《中国社区医师》收稿方[06/30]
- · 《中国社区医师》投稿方[06/30]
- · 《中国社区医师》征稿要[06/30]
- · 《中国社区医师》刊物宗[06/30]
一、来稿必须是作者独立取得的原创性学术研究成果，来稿的文字复制比（相似度或重复率）必须低于用稿标准，引用部分文字的要在参考文献中注明；署名和作者单位无误，未曾以任何形式用任何文种在国内外公开发表过；未一稿多投。 二、来稿除文中特别加以标注和致谢之外，不侵犯任何版权或损害第三方的任何其他权利。如果20天后未收到本刊的录用通知，可自行处理(双方另有约定的除外)。 三、来稿经审阅通过，编辑部会将修改意见反馈给您，您应在收到通知7天内提交修改稿。作者享有引用和复制该文的权利及著作权法的其它权利。 四、一般来说，4500字（电脑WORD统计，图表另计）以下的文章，不能说清问题，很难保证学术质量，本刊恕不受理。 五、论文格式及要素：标题、作者、工作单位全称(院系处室)、摘要、关键词、正文、注释、参考文献(遵从国家标准：GB\T7714-2005，点击查看参考文献格式示例)、作者简介(100字内)、联系方式(通信地址、邮编、电话、电子信箱)。 六、处理流程：（1） 通过电子邮件将稿件发到我刊唯一投稿信箱（2）我刊初审周期为2－3个工作日，请在投稿3天后查看您的邮箱，收阅我们的审稿回复或用稿通知；若30天内没有收到我们的回复，稿件可自行处理。（3）按用稿通知上的要求办理相关手续后，稿件将进入出版程序。（4） 杂志出刊后，我们会按照您提供的地址免费奉寄样刊。 七、凡向文教资料杂志社投稿者均被视为接受如下声明：（1）稿件必须是作者本人独立完成的，属原创作品（包括翻译），杜绝抄袭行为，严禁学术腐败现象，严格学术不端检测，如发现系抄袭作品并由此引起的一切责任均由作者本人承担，本刊不承担任何民事连带责任。（2）本刊发表的所有文章，除另有说明外，只代表作者本人的观点，不代表本刊观点。由此引发的任何纠纷和争议本刊不受任何牵连。（3）本刊拥有自主编辑权，但仅限于不违背作者原意的技术性调整。如必须进行重大改动的，编辑部有义务告知作者，或由作者授权编辑修改，或提出意见由作者自己修改。（4）作品在《文教资料》发表后，作者同意其电子版同时发布在文教资料杂志社官方网上。（5）作者同意将其拥有的对其论文的汇编权、翻译权、印刷版和电子版的复制权、网络传播权、发行权等权利在世界范围内无限期转让给《文教资料》杂志社。本刊在与国内外文献数据库或检索系统进行交流合作时，不再征询作者意见，并且不再支付稿酬。 九、特别欢迎用电子文档投稿，或邮寄编辑部,勿邮寄私人，以免延误稿件处理时间。
社区老年人空间行为轨迹异常分析方法(4)
作者:网站采编关键词:
摘要：[7] Chawla S, Zheng Y, Hu J. Inferring the root cause in road traffic anomalies[C]// IEEE International Conference on Data Mining. Brussels, Belgium：IEEE, 2012: 141-150. [8] 王培晓, 张恒才, 王海
[7] Chawla S, Zheng Y, Hu J. Inferring the root cause in road traffic anomalies[C]// IEEE International Conference on Data Mining. Brussels, Belgium：IEEE, 2012: 141-150.
[8] 王培晓, 张恒才, 王海波, 等. ST-CFSFDP: 快速搜索密度峰值的时空聚类算法[J]. 测绘学报, 2019，48(11): 1380-1390.
Wang Peixiao, Zhang Hengcai, Wang Haibo, et al. Spatial-temporal clustering by fast search and fast find density peaks[J]. Acta Geodaetica et Cartographica Sinica, 2019, 48(11): 1380-1390.
[9] 牟乃夏, 徐玉静, 张恒才, 等. 移动轨迹聚类方法研究综述[J]. 测绘通报, 2018(1): 4-10.
Mou Naixia, Xu Yujing, Zhang Hengcai,et al. a review of the mobile trajectory clustering methods[J]. Bulletin of Surveying and Mapping, 2018(1): 4-10.
[10] Wang W, Yang J, Muntz R R. STING: a statistical information grid approach to spatial data mining[C]//Proceedings of International Conference on Very Large Data Bases. Athens, Greece: Morgan Kaufmann Publishers Inc, 1997, 97: 186-195.
[11] Agrawal R, Gehrke J, Gunopulos D, et al. Automatic subspace clustering of high dimensional data for data mining applications[J]. ACM, 1998, 27(2): 94-105.
[12] Vlachos M, Kollios G, Gunopulos D. Discovering similar multidimensional trajectories[C]//Proceedings 18th International Conference on Data Engineering. San Jose, USA: IEEE, 2002: 673-684.
[13] 魏龙翔, 何小海, 滕奇志, 等. 结合Hausdorff距离和最长公共子序列的轨迹分类[J]. 电子与信息学报, 2013, 35(4): 784-790.
Wei Longxiang, He Xiaohai, Teng Qizhi, et al. Trajectory classification based on Hausdorff distance and longest common subsequence[J]. Journal of Electronics and Information Technology, 2013, 35(4): 784-790.
[14] Yuan G, Sun P, Zhao J, et al. A review of moving object trajectory clustering algorithms[J]. Artificial Intelligence Review, 2017, 47(1): 123-144.
[15] Chen L, ?zsu M, Oria V. Robust and fast similarity search for moving object trajectories[C]// The 2005 ACMSIGMOD International Conference on Management of Data. New York, USA: Association for Computing Machinery, 2005: 491-502.
[16] Lee J G, Han J W, Li X L. Trajectory outliner detection: a partition-and-detect framework[C]// Proceedings of 2008 IEEE International Conference on Data Engineering. Cancun, Mexico: IEEE， 2008: 140-149.
[17] Liu Z P, Pi D C, Jiang J F. Density-based trajectory outliner detection algorithm[J]. Journal of Systems Engineering and Electronics, 2013, 24(2): 335-340.
[18] Zhu J, Jiang W, Liu A, et al. Time-dependent popular routes based trajectory outlier detection[C]//International Conference on Web Information Systems Engineering. Miami, USA: Springer, Cham, 2015: 16-30.
[19] 胡 瑗, 夏利民, 王 嘉. 基于轨迹分析的行人异常行为识别[J]. 计算机工程与科学, 2017， 39(11): 88-93.
Hu Yuan, Xia Limin, Wang Jia. Abnormal pedestrian behavior recognition based on trajectory analysis[J]. Computer Engineering & Science, 2017， 39(11): 88-93.
[20] 何 明, 仇功达, 周 波, 等. 基于改进密度聚类与模式信息挖掘的异常轨迹识别方法[J]. 通信学报, 2017, 38(12): 21-33.
He Ming, Chou Gongda, Zhou Bo, et al. Abnormal trajectory detection method based on enhanced density clustering and abnormal information mining[J]. Journal on Communications, 2017, 38(12): 21-33.
[21] 逄焕利, 李红岩. 基于iBAT和DTW算法的异常轨迹检测[J]. 长春工业大学学报, 2019, 40(2): 58-64.
Feng Huanli, Li Hongyan. Anomalous trajectory detection based on iBAT and dynamic timewarping algorithm[J]. Journal of Changchun University, 2019, 40(2): 58-64.
[22] 李旭东, 成 烽. 一种基于密度峰值聚类的经典轨迹计算方法[J]. 中国电子科学研究院学报, 2019, 14(9): 967-972.
Li Xudong, Cheng Feng. Computing classical trajectories using density-peak based clustering[J]. Journal of China Academy of Electronics and Information Technology, 2019, 14(9): 967-972.
[23] 胡 圆, 李 晖, 陈 梅. 基于密度聚类的出租车异常轨迹检测[J]. 计算机与现代化, 2019(6): 49-54.
Hu Yuan, Li Hui, Chen Mei. Taxi abnormal trajectory detection based on density clustering[J]. Computer and Modernization, 2019(6): 49-54.
[24] Derya B, Alp K. ST-DBSCAN: an algorithm for clustering spatial-temporal data[J]. Data & Knowledge Engineering, 2007, 60(1): 208-221.
[25] 王 雷,安 实,杨海强,等.基于出租车轨迹数据的交通异常识别算法[J].科学技术与工程, 2018, 18(32): 239-247.
Wang Lei, An Shi, Yang Haiqiang, et al. Traffic anomaly recognition algorithm based on taxi track date[J]. Science Technology and Engineering, 2018, 18(32): 239-247.
[26] 崔洪军, 张晓阳, 朱敏清. 基于隐马尔可夫模型的公交乘客出行链识别方法[J]. 科学技术与工程, 2020, 20(19): 7877-7880.
Cui Hongjun, Zhang Xiaoyang, Zhu Minqing. Recognition method of public passenger trip chain based on hidden markov model[J]. Science Technology and Engineering, 2020, 20(19): 7877-7880.
文章来源：《中国社区医师》 网址: http://www.zgsqyszzs.cn/qikandaodu/2021/0610/1888.html