%0 Journal Article
%T 基于多示例学习的异常行为检测方法
%A 崔永艳
%A 高阳
%J 模式识别与人工智能
%P 862-868
%D 2011
%X 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。
%K 异常行为检测
%K 轨迹分段
%K 层次狄利克雷过程-隐马尔科夫模型(HDP-HMM)
%K 多示例学习
%U http://manu12.magtech.com.cn/Jweb_prai/CN/abstract/abstract9384.shtml