GPS异常监测数据的关联负选择分步识别算法

为了有效地判别GPS异常监测数据,建立了GPS监测序列的关联模型;针对关联分析中无法准确判定异常数据发生范围的问题,提出了基于关联负选择的异常监测数据分步识别算法;对于固定数目和固定半径的检测器,通过设定空间覆盖率来自动生成合适数目的可变半径检测器,并采用蒙特卡洛的方法解决了可变半径检测器的空间重叠问题;对于负选择算法中自体空间动态变化的问题,提出了自适应半径的自体表示方法,使得自体半径能够随着自体数据的聚集特征自适应调整,满足了动态监测的需求;采用仿真数据检验了所提方法的可行性和有效性,分析结果表明自适应半径的负选择算法能够以较少的检测器覆盖较大的异体空间,提高了GPS数据的异常检测率,且该算法能够准确给出异常监测数据的发生范围,具有较高的实用价值.