基于邻域特性的集群行为分析方法研究

发布时间：2017-09-19 07:33

  本文关键词：基于邻域特性的集群行为分析方法研究

  更多相关文章： 集群行为分析 集群运动邻域特性 局部有序性测度 代理人基模型 协同邻域不变性 社会力模型 社会力相关性传播算法 集群动态聚类算法

【摘要】：群体，指在共同目标的基础上，由多个个体形成的相互依存、相互作用的有机整体。集群，是个体的总和，可由多个群体组成。理解集群行为及其形成机制，是自然科学和社会科学的基本问题之一。生物学、物理学、心理学等多个学科均对集群行为进行了大量的研究，形成了许多相互融合、可资借鉴的模型和方法。相较于传统研究方法，计算机视觉和计算机模拟仿真不仅为我们提供了强大的观测工具，而且能为很多关键的工程应用提供公共设施优化、视频监控、异常检测等手段，同时节省人力资源成本，符合未来智能化的发展需求。 近年来，基于代理人基模型的集群行为分析方法得到广泛应用。代理人基模型根据先验约定规则，将个体视为能自动感知环境并作出决策的“智能粒子”，符合集群的行为机制，并能引入社会心理学、博弈论、复杂系统等研究手段进行扩展。该模型主要有宏观的群体动力方法和微观的相互作用方法。群体动力方法侧重于集群全局特性，如量化集群的群体性程度、集群行为模式分类；相互作用方法典型代表是社会力模型，通过引入社会心理学研究成果，模拟群体中的个体受力情况。然而，在过去的研究工作中，这两种方法并没有很好地结合，以从宏观和微观两个层面共同对集群行为进行分析。 在计算机视觉领域，尚未有工作对集群运动的局部有序性进行定义。本文在代理人基模型分析方法基础上，针对集群运动的邻域特性，对个体跟随其周围群体运动的有序程度进行量化，提出了集群运动的局部有序性测度。不同于过去方法，仅利用集群的社会力场大小分布进行视频不稳定度分析和异常行为检测，本文结合社会力场的方向分布信息，提出社会力相关性传播算法，从而简洁有效地对本文所提出的集群运动局部有序性测度进行计算。并且本文通过对社会力相关性传播算法的扩展，引入了一般矢量场带邻域路径衰减的矢量场相关算法。 进而，本文结合了代理人基模型的两种分析方法，在宏观和微观两个尺度下分析集群行为。在宏观层面，本文基于集群个体沿邻域路径传播的运动速度相关性对集群中的不同群体进行动态聚类，从而得到集群中具有不同运动模式的多个群体；在微观层面，我们利用自驱动粒子仿真实验模拟集群行为，分析了具有三类典型运动模式(自由游走、行进、绕中心点旋转)的集群，其全局群体性程度、速度场、社会力场、集群局部有序性测度的分布特点。 集群行为视频主要在大型公共场所拍摄，受光照变化、雨雾、摄像头质量、拍摄视角等因素影响，视频效果往往较差，至今没有大规模的用于集群行为分析的标准数据库。故本文大量应用自驱动粒子仿真实验模拟集群行为，以去除干扰因素，发掘和利用集群行为自身的固有属性和规律，为算法设计提供参考和进行验证。本文在香港中文大学整理的集群行为分析数据库中实施了大量实验，该视频数据库包括上海世博会展馆入口、交通十字路口、火车站大厅等典型集群场景视频。实验表明，1、本文提出的集群局部有序性测度能够很好地量化个体跟随邻域群体的有序运动程度，，从而可为视频异常检测提供参考；2、本文采用的速度相关性动态聚类算法能有效检测出集群中具有不同运动模式的群体；3、通过结合代理人基模型中的两种分析方法，本文从宏观和微观两个层面共同对集群行为进行了分析。
【关键词】：集群行为分析 集群运动邻域特性 局部有序性测度 代理人基模型 协同邻域不变性 社会力模型 社会力相关性传播算法 集群动态聚类算法
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：C912.6
【目录】：

• 摘要5-7
• ABSTRACT7-9
• 目录9-11
• 表格索引11-12
• 插图索引12-14
• 主要符号对照表14-15
• 第一章 绪论15-21
• 1.1 集群行为分析研究背景和意义15-16
• 1.2 主要研究内容和相关工作16-18
• 1.3 本文的主要内容和创新成果18-21
• 1.3.1 主要研究内容18-20
• 1.3.2 创新成果20-21
• 第二章 计算机视觉中的集群行为分析方法综述21-32
• 2.1 集群行为分析方法分类21-22
• 2.2 代理人基模型22-31
• 2.2.1 代理人基模型在计算机仿真领域的应用22-23
• 2.2.2 代理人基模型在计算机视觉中的应用23-31
• 2.3 本章小结31-32
• 第三章 集群运动局部有序性测度32-56
• 3.1 基于速度场分布的社会力模型32-35
• 3.2 集群运动局部有序性测度的物理意义35-38
• 3.3 集群运动局部有序性测度的计算38-44
• 3.3.1 邻域范围内社会力场相关性38-39
• 3.3.2 社会力相关性传播算法39-42
• 3.3.3 算法总结42
• 3.3.4 算法证明与扩展42-44
• 3.4 实验结果和分析44-54
• 3.4.1 自驱动粒子仿真实验45-48
• 3.4.2 集群场景视频实验48-54
• 3.5 本章小结54-56
• 第四章 集群群体分类和运动模式分析56-70
• 4.1 集群中不同群体的动态聚类56-65
• 4.1.1 集群协同运动邻域不变性56-58
• 4.1.2 集群速度场相关性传播算法58-59
• 4.1.3 基于速度场相关性的动态聚类算法59-61
• 4.1.4 实验结果和分析61-65
• 4.2 群体运动模式分析65-68
• 4.3 本章小结68-70
• 第五章 总结与展望70-72
• 5.1 全文工作总结70-71
• 5.2 未来工作展望71-72
• 参考文献72-79
• 致谢79-80
• 攻读学位期间发表的学术论文目录80

【相似文献】

中国期刊全文数据库 前10条

1 吴泽俊;大学生集群行为的分析和对策[J];中国青年政治学院学报;2000年05期

2 林为平;黄赤兵;;大学生集群行为的心理分析、控制与引导[J];辽宁医学院学报(社会科学版);2009年04期

3 孙佰清;景东;马万里;;网络舆论集群行为的动态仿真及可视化引导路径研究[J];哈尔滨工业大学学报(社会科学版);2011年05期

4 蔡杰;;大学生集群行为的诱因及防控[J];决策咨询;2012年02期

5 朱益飞;;论大学生集群行为的三种类型及应对策略[J];现代教育科学;2012年09期

6 李纪武;;大学生集群行为的宏观预测[J];学校思想教育;1988年04期

7 王志成;;试论大学生集群行为及其处置[J];扬州师院学报(社会科学版);1990年02期

8 周晓虹;集群行为：理性与非理性之辨[J];社会科学研究;1994年05期

9 曹银忠;宋歌;;试析我国网络集群行为的概念、类型及其发生原因[J];攀枝花学院学报;2013年05期

10 王林;时勘;赵杨;;网络集群行为执行意向的维度研究[J];管理评论;2013年12期

中国重要会议论文全文数据库 前5条

1 严磊;胡修银;;基于集群行为社会认同模型的集群行为动力机制研究[A];第十五届全国心理学学术会议论文摘要集[C];2012年

2 邹妍艳;李波;;“人肉搜索”:网络集群行为解读[A];中国传媒大学第三届全国新闻学与传播学博士生学术研讨会论文集[C];2009年

3 周洁;王二平;;认知与情绪引导对化解集群行为的作用[A];第十五届全国心理学学术会议论文摘要集[C];2012年

4 ;基于ROST CM的网络集群行为分析——以新浪微博“南京梧桐树”事件为例[A];第三届华中地区新闻与传播学科研究生学术论坛获奖论文[C];2012年

5 周应祺;王军;钱卫国;曹道梅;张仲秋;;鱼类集群行为的研究进展[A];2013年中国水产学会学术年会论文摘要集[C];2013年

中国重要报纸全文数据库 前2条

1 张书维 中山大学中国公共管理研究中心、中山大学政治与公共事务管理学院;全面揭示集群行为的动力学特征[N];中国社会科学报;2012年

2 本版编辑　中山大学政治与公共事务管理学院 林晓珊 华东师范大学法政学院 石勇 武汉大学新闻与传播学院 章浩 华中农业大学文法学院社会学院 颜其松 厦门大学社会学系 黄慧;网络“客”文化[N];社会科学报;2008年

中国博士学位论文全文数据库 前1条

1 王赐江;基于不满宣泄的集群行为[D];华中师范大学;2010年

中国硕士学位论文全文数据库 前10条

1 宋文峰;集群行为的柔性制约研究[D];吉林大学;2006年

2 邓海峰;网络诱致催化型集群行为演化研究[D];华中科技大学;2012年

3 刘卓乾;网络集群行为的涌现机理研究[D];湖南师范大学;2013年

4 贾举;网络集群行为研究[D];陕西师范大学;2010年

5 吕健;转型期社会高校学生集群行为研究[D];西北大学;2008年

6 林为平;当代大学生集群行为的社会心理学分析[D];福建师范大学;2010年

7 钱晓蓉;公共管理中网络集群行为的研究[D];苏州大学;2011年

8 魏胜男;公正感对集群行为倾向的影响：愤怒的中介作用[D];山东师范大学;2013年

9 郑统;网络集群行为及政府规制[D];吉林大学;2013年

10 郑知;网络集群行为框架及其情感动员研究[D];华中科技大学;2013年

本文编号：880360