CN115687460A - 利用轨迹数据挖掘重点人群的关联对象的方法及系统 - Google Patents
利用轨迹数据挖掘重点人群的关联对象的方法及系统 Download PDFInfo
- Publication number
- CN115687460A CN115687460A CN202310005037.2A CN202310005037A CN115687460A CN 115687460 A CN115687460 A CN 115687460A CN 202310005037 A CN202310005037 A CN 202310005037A CN 115687460 A CN115687460 A CN 115687460A
- Authority
- CN
- China
- Prior art keywords
- data
- data set
- association
- degree
- date
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种利用轨迹数据挖掘重点人群的关联对象的方法及系统,其包括:获取观察对象的轨迹数据和碰撞对象的轨迹数据;所述轨迹数据包括对象标识、时间、地点和唯一标识;根据所述观察对象的轨迹数据和碰撞对象的轨迹数据,得到关联数据;根据所述关联数据,基于预设的关联规则,分别计算每日的关联度记录和日期关联度;所述每日的关联度记录包括采集次数关联度和采集点关联度;根据所述每日的关联度记录和日期关联度,得到关联分析结果。本申请具有实现对于重点人群的时空关联者的关系强度评估,从而达到了从已知到未知的风险对象挖掘的效果。
Description
技术领域
本申请涉及数据处理技术领域,尤其是涉及一种利用轨迹数据挖掘重点人群的关联对象的方法及系统。
背景技术
在各种大型活动中做好重点人员的安全防范工作极其重要,首要问题就是如何识别目标人群中的潜在危险人员以提前做好预防工作。
相关技术中,通常采用的方式是通过摄像监控、人工辨识等手段对人群进行筛查,但人群人数较大、流动性强,因此对潜在危险人员的寻找不仅费时费力还不够准确,更容易造成遗漏潜在危险人员的情况。
发明内容
本申请提供了一种利用轨迹数据挖掘重点人群的关联对象的方法及系统,实现了对与重点人群的时空关联者的关系强度评估,从而达到了从已知到未知的风险对象挖掘的效果。
第一方面,本申请提供一种利用轨迹数据挖掘重点人群的关联对象的方法,采用如下的技术方案:
一种利用轨迹数据挖掘重点人群的关联对象的方法,包括:
获取观察对象的轨迹数据和碰撞对象轨迹数据;所述轨迹数据包括对象标识、时间和地点;
根据所述观察对象的轨迹数据和碰撞对象的轨迹数据,得到关联数据;
根据所述关联数据,基于预设的关联规则,分别计算每日的关联度记录和日期关联度;所述每日的关联度记录包括采集次数关联度和采集点关联度;
根据所述每日的关联度记录和日期关联度,得到关联分析结果。
通过采用上述技术方案,通过对观察对象和碰撞对象进行关联,生成关联数据;再根据关联数据计算观察对象与碰撞对象的每日的关联度记录和日期关联度,最后通过每日的关联度记录和日期关联度,得到关联分析结果,从关联分析结果能够得知观察对象与碰撞对象的时空关联强度,从而达到从已知到未知的风险对象的挖掘。
可选的,获取观察对象的轨迹数据和碰撞对象的轨迹数据,包括:
获取观察对象的对象标识;
通过采集设备采集经过人员的轨迹数据;
根据所述观察对象的对象标识,从轨迹数据中调取观察对象的轨迹数据;并将剩余数据作为碰撞对象的轨迹数据;
将所述观察对象的轨迹数据按时间排序,派生出唯一记录号,形成数据集S1;
将所述碰撞对象的轨迹数据按时间排序,派生出唯一记录号,形成数据集S2。
可选的,根据所述观察对象的轨迹数据和碰撞对象轨迹数据,得到关联数据,包括:
将所述数据集S1和数据集S2通过地点进行关联;
计算关联后的时间差,并保存时间差小于预设时间阈值的记录,得到数据集S3。
通过采用上述技术方案,在预设时间阈值内和观察对象同地点出现的碰撞对象则被认定为存在潜在危险的对象,因此对与观察对象在同一地点活动且时间差低于预设时间阈值的对象进行筛选,同时采用常态化绑定,排除无关人员的轨迹数据的干扰,降低计算量级。
可选的,根据所述关联数据,基于预设的关联规则,分别计算每日的关联度记录和日期关联度,包括:
根据所述数据集S3,基于预设的拆分规则,得到数据集S4和数据集S5;
根据所述数据集S4和数据集S5,基于预设的关联算法,得到每日的关联度记录,并生成数据集S6;
根据所述数据集S6,计算采集时间内的日期关联度。
通过采用上述技术方案,分别对碰撞对象与观察对象做日期、地点和次数的关联性计算,从而实现对潜在危险人员的准确识别。
可选的,根据所述数据集S3,基于预设的拆分规则,得到数据集S4和数据集S5,包括:
将所述数据集S3以观察对象的唯一记录号作为组号,合并观察对象的对象标识与碰撞对象的对象标识为一个集合,形成数据集S4;
将所述数据集S3以地点作为组号,合并观察对象的对象标识与碰撞对象的对象标识为一个集合,并去重同一地点的相同记录,形成数据集S5。
通过采用上述技术方案,对观察对象和碰撞对象分别按照活动的地点和每日的相遇次数进行统计,旨在通过对一日内观察对象与碰撞对象的相遇次数和相遇地点分析二者的关联度,同时通过生成子数据集降低运算量。
可选的,根据所述数据集S4和数据集S5,基于预设的关联算法,得到每日的关联度记录,并生成数据集S6,包括:
根据所述数据集S4和数据集S5,分别从数据集S3中获取每条记录对应的日期;
根据所述数据集S4和日期,基于预设的关联算法,得到每日的采集次数关联度;
根据所述数据集S5和日期,基于预设的关联算法,得到每日的采集点关联度;
根据所述观察对象的对象标识、碰撞对象的对象标识、日期、采集点关联度和采集次数关联度,生成数据集S6。
可选的,根据所述数据集S6,计算采集时间内的日期关联度,包括:
将所述数据集S6以日期为组号,合并观察对象的对象标识与碰撞对象的对象标识为一个集合,形成数据集S7;
根据所述数据集S7,基于预设的关联算法,得到采集时间内的日期关联度。
可选的,根据所述每日的关联度记录和日期关联度,得到关联分析结果,包括:
去除所述数据集S6中关联度为零的记录,再分别计算所述采集次数关联度的中位数和采集点关联度的中位数;
将所述日期关联度、采集次数关联度的中位数和采集点关联度的中位数,基于预设权重,加权求和,得到综合关联度;
根据所述观察对象的对象标识与碰撞对象的对象标识按照综合关联度降序排序,生成数据集S8;
根据所述数据集S8,得到关联分析结果。
第二方面,本申请提供一种利用轨迹数据挖掘重点人群的关联对象的系统,采用如下的技术方案:
一利用轨迹数据挖掘重点人群的关联对象的系统,包括:
获取模块,用于获取观察对象的轨迹数据和碰撞对象的轨迹数据;
筛选模块,用于根据所述观察对象的轨迹数据和碰撞对象的轨迹数据,得到关联数据;
计算模块,用于根据所述关联数据,基于预设的关联规则,分别计算每日的关联度记录和日期关联度;根据所述每日的关联度记录和日期关联度,得到关联分析结果。
可选的,还包括:采集模块和存储模块,所述采集模块用于采集经过采集点的对象标识,记录采集时间,得到轨迹数据;所述存储模块用于存储轨迹数据。
综上所述,本申请包括以下至少一种有益技术效果:通过对观察对象和碰撞对象进行关联,生成关联数据;再根据关联数据计算观察对象与碰撞对象的每日的关联度记录和日期关联度,最后通过每日的关联度记录和日期关联度,得到关联分析结果,从关联分析结果能够得知观察对象与碰撞对象的时空关联强度,从而达到从已知到未知的风险对象的挖掘。
附图说明
图1是本申请其中一实施例的利用轨迹数据挖掘重点人群的关联对象的方法的流程示意图。
图2是本申请中为了体现P103详细过程的流程示意图。
图3是本申请其中一实施例的利用轨迹数据挖掘重点人群的关联对象的系统的示意图。
附图标记说明:1、获取模块;2、筛选模块;3、计算模块;4、采集模块;5、存储模块。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例,都属于本申请保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
以下结合附图1至3对本申请做进一步详细说明。
为了实现对与重点人群的时空关联者的关系强度评估的目的,本申请提供了一种利用轨迹数据挖掘重点人群的关联对象的方法及系统。
参照图1,一种利用轨迹数据挖掘重点人群的关联对象的方法,包括如下步骤:
P101:获取观察对象的轨迹数据和碰撞对象的轨迹数据。
其中,轨迹数据包括对象标识、时间和地点。
具体的,获取观察对象的对象标识;通过采集设备采集经过人员的轨迹数据;根据观察对象的对象标识,从轨迹数据中调取观察对象的轨迹数据;并将剩余数据作为碰撞对象的轨迹数据。
进一步地,将观察对象的轨迹数据按时间排序,派生出唯一记录号,形成数据集S1;将碰撞对象的轨迹数据按时间排序,派生出唯一记录号,形成数据集S2。通过唯一记录号,确保不会产生重复数据。
P102:根据观察对象的轨迹数据和碰撞对象的轨迹数据,得到关联数据。
本申请中,在预设时间阈值内和观察对象同地点出现的碰撞对象则被认定为存在潜在危险的对象,因此对与观察对象在同一地点活动且时间差低于预设时间阈值的对象进行筛选,排除无关人员的轨迹数据的干扰,同时能够降低计算量级。
具体的,将数据集S1和数据集S2通过地点进行关联;再计算关联后的时间差,并保存时间差小于预设时间阈值的记录,得到数据集S3。
在一个示例中,观察对象在2020年10月1日10点在广场出现,预设时间阈值为120秒,则在同一天9点58至10点零2分之内在广场出现的所有碰撞对象均可能存在潜在危险,因此将在此时间区间内的轨迹数据提取,加入到数据集S3中。
P103:根据关联数据,基于预设的关联规则,分别计算每日的关联度记录和日期关联度。
具体的,根据数据集S3,基于预设的拆分规则,得到数据集S4和数据集S5;将数据集S3以观察对象的唯一记录号作为组号,合并观察对象的对象标识与碰撞对象的对象标识为一个集合,形成数据集S4;得到目标对象与碰撞对象相遇次数的记录集合。同理,将数据集S3以地点作为组号,合并观察对象的对象标识与碰撞对象的对象标识为一个集合,并去重同一地点的相同记录,形成数据集S5;得到目标对象与碰撞对象相遇地点的记录集合。再根据数据集S4和数据集S5,基于预设的关联算法,得到每日的关联度记录,并生成数据集S6;根据数据集S6,计算采集时间内的日期关联度。
参照图2,根据数据集S4和数据集S5,基于预设的关联算法,得到每日的关联度记录,并生成数据集S6;根据数据集S6,计算采集时间内的日期关联度,又包括如下步骤:
P1031:根据数据集S4和数据集S5,分别从数据集S3中获取每条记录对应的日期。
P1032:根据数据集S4和日期,基于预设的关联算法,得到每日的采集次数关联度;具体计算方式如下:
P1033:同理,根据数据集S5和日期,基于预设的关联算法,得到每日的采集点关联度;具体计算方式如下:
P1034,根据观察对象的对象标识、碰撞对象的对象标识、日期、采集点关联度和采集次数关联度,生成数据集S6。
P1035:根据数据集S6,计算采集时间内的日期关联度。
具体的,将数据集S6以日期为组号,合并观察对象的对象标识与碰撞对象的对象标识为一个集合,形成数据集S7;再根据数据集S7,基于预设的关联算法,得到采集时间内的日期关联度;具体计算方式如下:
P104:根据每日的关联度记录和日期关联度,得到关联分析结果。
具体的,去除数据集S6中关联度为零的记录,再分别计算采集次数关联度的中位数和采集点关联度的中位数;将日期关联度、采集次数关联度的中位数和采集点关联度的中位数,基于预设权重,加权求和,得到综合关联度;根据观察对象的对象标识与碰撞对象的对象标识按照综合关联度降序排序,生成数据集S8;根据数据集S8,得到关联分析结果。
本申请通过对观察对象和碰撞对象进行关联,生成关联数据;再根据关联数据计算观察对象与碰撞对象的每日的关联度记录和日期关联度,最后通过每日的关联度记录和日期关联度,基于预设的权重,得到关联分析结果,从关联分析结果能够得知观察对象与碰撞对象的时空关联强度,从而达到从已知到未知的风险对象的挖掘。
参照图3,一种利用轨迹数据挖掘重点人群的关联对象的系统,包括:
采集模块4,用于采集经过采集点的对象标识,记录采集时间,得到轨迹数据。
在一个实施例中,通过采集设备采集目标对象的手机终端串号IMSI或车牌号实现对轨迹数据的采集。
存储模块5,用于存储轨迹数据。
获取模块1,用于获取观察对象的轨迹数据和碰撞对象的轨迹数据。
筛选模块2,用于根据观察对象的轨迹数据和碰撞对象的轨迹数据,得到关联数据。
计算模块3,用于根据关联数据,基于预设的关联规则,分别计算每日的关联度记录和日期关联度;根据每日的关联度记录和日期关联度,得到关联分析结果。本申请中,存储模块5、获取模块1、筛选模块2、计算模块3均能够通过服务器、计算机等设备或系统实现。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离前述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其他技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种利用轨迹数据挖掘重点人群的关联对象的方法,其特征在于,包括:
获取观察对象的轨迹数据和碰撞对象的轨迹数据;所述轨迹数据包括对象标识、时间和地点;
根据所述观察对象的轨迹数据和碰撞对象的轨迹数据,得到关联数据;
根据所述关联数据,基于预设的关联规则,分别计算每日的关联度记录和日期关联度;所述每日的关联度记录包括采集次数关联度和采集点关联度;
根据所述每日的关联度记录和日期关联度,得到关联分析结果。
2.根据权利要求1所述的利用轨迹数据挖掘重点人群的关联对象的方法,其特征在于,获取观察对象的轨迹数据和碰撞对象的轨迹数据,包括:
获取观察对象的对象标识;
通过采集设备采集经过人员的轨迹数据;
根据所述观察对象的对象标识,从轨迹数据中调取观察对象的轨迹数据;并将剩余数据作为碰撞对象的轨迹数据;
将所述观察对象的轨迹数据按时间排序,派生出唯一记录号,形成数据集S1;
将所述碰撞对象的轨迹数据按时间排序,派生出唯一记录号,形成数据集S2。
3.根据权利要求2所述的利用轨迹数据挖掘重点人群的关联对象的方法,其特征在于,根据所述观察对象的轨迹数据和碰撞对象轨迹数据,得到关联数据,包括:
将所述数据集S1和数据集S2通过地点进行关联;
计算关联后的时间差,并保存时间差小于预设时间阈值的记录,得到数据集S3。
4.根据权利要求3所述的利用轨迹数据挖掘重点人群的关联对象的方法,其特征在于,根据所述关联数据,基于预设的关联规则,分别计算每日的关联度记录和日期关联度,包括:
根据所述数据集S3,基于预设的拆分规则,得到数据集S4和数据集S5;
根据所述数据集S4和数据集S5,基于预设的关联算法,得到每日的关联度记录,并生成数据集S6;
根据所述数据集S6,计算采集时间内的日期关联度。
5.根据权利要求4所述的利用轨迹数据挖掘重点人群的关联对象的方法,其特征在于,根据所述数据集S3,基于预设的拆分规则,得到数据集S4和数据集S5,包括:
将所述数据集S3以观察对象的唯一记录号作为组号,合并观察对象的对象标识与碰撞对象的对象标识为一个集合,形成数据集S4;
将所述数据集S3以地点作为组号,合并观察对象的对象标识与碰撞对象的对象标识为一个集合,并去重同一地点的相同记录,形成数据集S5。
6.根据权利要求4所述的利用轨迹数据挖掘重点人群的关联对象的方法,其特征在于,根据所述数据集S4和数据集S5,基于预设的关联算法,得到每日的关联度记录,并生成数据集S6,包括:
根据所述数据集S4和数据集S5,分别从数据集S3中获取每条记录对应的日期;
根据所述数据集S4和日期,基于预设的关联算法,得到每日的采集次数关联度;
根据所述数据集S5和日期,基于预设的关联算法,得到每日的采集点关联度;
根据所述观察对象的对象标识、碰撞对象的对象标识、日期、采集点关联度和采集次数关联度,生成数据集S6。
7.根据权利要求4所述的利用轨迹数据挖掘重点人群的关联对象的方法,其特征在于,根据所述数据集S6,计算采集时间内的日期关联度,包括:
将所述数据集S6以日期为组号,合并观察对象的对象标识与碰撞对象的对象标识为一个集合,形成数据集S7;
根据所述数据集S7,基于预设的关联算法,得到采集时间内的日期关联度。
8.根据权利要求4所述的利用轨迹数据挖掘重点人群的关联对象的方法,其特征在于,根据所述每日的关联度记录和日期关联度,得到关联分析结果,包括:
去除所述数据集S6中关联度为零的记录,再分别计算所述采集次数关联度的中位数和采集点关联度的中位数;
将所述日期关联度、采集次数关联度的中位数和采集点关联度的中位数,基于预设权重,加权求和,得到综合关联度;
根据所述观察对象的对象标识与碰撞对象的对象标识按照综合关联度降序排序,生成数据集S8;
根据所述数据集S8,得到关联分析结果。
9.一种利用轨迹数据挖掘重点人群的关联对象的系统,包括:
获取模块(1),用于获取观察对象的轨迹数据和碰撞对象的轨迹数据;
筛选模块(2),用于根据所述观察对象的轨迹数据和碰撞对象的轨迹数据,得到关联数据;
计算模块(3),用于根据所述关联数据,基于预设的关联规则,分别计算每日的关联度记录和日期关联度;根据所述每日的关联度记录和日期关联度,得到关联分析结果。
10.根据权利要求9所述的利用轨迹数据挖掘重点人群的关联对象的系统,其特征在于,还包括:采集模块(4)和存储模块(5),所述采集模块(4)用于采集经过采集点的对象标识,记录采集时间,得到轨迹数据;所述存储模块(5)用于存储轨迹数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310005037.2A CN115687460B (zh) | 2023-01-04 | 2023-01-04 | 利用轨迹数据挖掘重点人群的关联对象的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310005037.2A CN115687460B (zh) | 2023-01-04 | 2023-01-04 | 利用轨迹数据挖掘重点人群的关联对象的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115687460A true CN115687460A (zh) | 2023-02-03 |
CN115687460B CN115687460B (zh) | 2023-04-18 |
Family
ID=85056966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310005037.2A Active CN115687460B (zh) | 2023-01-04 | 2023-01-04 | 利用轨迹数据挖掘重点人群的关联对象的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115687460B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116092169A (zh) * | 2023-04-04 | 2023-05-09 | 南京小唐安朴科技有限公司 | 一种以采集频率与范围为权重的数据关联度计算方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110837582A (zh) * | 2019-11-28 | 2020-02-25 | 重庆紫光华山智安科技有限公司 | 数据关联方法、装置、电子设备和计算机可读存储介质 |
AU2020101071A4 (en) * | 2020-06-20 | 2020-07-23 | Guizhou Minzu University | A Parallel Association Mining Algorithm for Analyzing Passenger Travel Characteristics |
CN113536083A (zh) * | 2021-05-31 | 2021-10-22 | 中国人民公安大学 | 一种基于案事件时空坐标的目标人轨迹碰撞分析方法 |
CN114036203A (zh) * | 2021-10-15 | 2022-02-11 | 浙江大华技术股份有限公司 | 一种数据分析方法、装置、电子设备及存储介质 |
CN114491156A (zh) * | 2021-11-04 | 2022-05-13 | 珠海市新德汇信息技术有限公司 | 基于视频图像智能推送近似对象的方法 |
CN115422306A (zh) * | 2022-06-27 | 2022-12-02 | 浪潮软件科技有限公司 | 一种基于大数据结合地图进行多维数据碰撞挖掘的方法 |
-
2023
- 2023-01-04 CN CN202310005037.2A patent/CN115687460B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110837582A (zh) * | 2019-11-28 | 2020-02-25 | 重庆紫光华山智安科技有限公司 | 数据关联方法、装置、电子设备和计算机可读存储介质 |
AU2020101071A4 (en) * | 2020-06-20 | 2020-07-23 | Guizhou Minzu University | A Parallel Association Mining Algorithm for Analyzing Passenger Travel Characteristics |
CN113536083A (zh) * | 2021-05-31 | 2021-10-22 | 中国人民公安大学 | 一种基于案事件时空坐标的目标人轨迹碰撞分析方法 |
CN114036203A (zh) * | 2021-10-15 | 2022-02-11 | 浙江大华技术股份有限公司 | 一种数据分析方法、装置、电子设备及存储介质 |
CN114491156A (zh) * | 2021-11-04 | 2022-05-13 | 珠海市新德汇信息技术有限公司 | 基于视频图像智能推送近似对象的方法 |
CN115422306A (zh) * | 2022-06-27 | 2022-12-02 | 浪潮软件科技有限公司 | 一种基于大数据结合地图进行多维数据碰撞挖掘的方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116092169A (zh) * | 2023-04-04 | 2023-05-09 | 南京小唐安朴科技有限公司 | 一种以采集频率与范围为权重的数据关联度计算方法 |
CN116092169B (zh) * | 2023-04-04 | 2023-06-20 | 南京小唐安朴科技有限公司 | 一种以采集频率与范围为权重的数据关联度计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115687460B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110417721B (zh) | 安全风险评估方法、装置、设备及计算机可读存储介质 | |
CN106304015B (zh) | 用户设备的确定方法及装置 | |
CN107665289B (zh) | 一种运营商数据的处理方法及系统 | |
CN115687460B (zh) | 利用轨迹数据挖掘重点人群的关联对象的方法及系统 | |
CN114155614B (zh) | 一种作业现场反违章行为识别方法及系统 | |
CN114120428A (zh) | 一种图码联侦关联方法、装置、计算机设备及存储介质 | |
CN115296933A (zh) | 一种工业生产数据风险等级评估方法及系统 | |
CN114841705A (zh) | 一种基于场景识别的反欺诈监测方法 | |
CN112925899B (zh) | 排序模型建立方法、案件线索推荐方法、装置及介质 | |
CN117992953A (zh) | 基于操作行为跟踪的异常用户行为识别方法 | |
CN110543583A (zh) | 信息处理方法及装置、图像设备及存储介质 | |
CN116824513B (zh) | 基于深度学习的钻探过程自动识别监管方法及系统 | |
CN110196924B (zh) | 特征信息库的构建、目标对象的追踪方法及装置 | |
CN112818868A (zh) | 基于行为序列特征数据的违规用户识别方法和装置 | |
CN105930430B (zh) | 一种基于非累积属性的实时欺诈检测方法及装置 | |
CN108282468A (zh) | 一种应用层DDoS攻击检测方法及装置 | |
CN114491156A (zh) | 基于视频图像智能推送近似对象的方法 | |
CN110944290B (zh) | 一种伴随关系的分析方法及装置 | |
CN114090909A (zh) | 一种图码联侦关联方法、装置、计算机设备及存储介质 | |
Ramamurthy | Fraudster Mobile Apps Detector in Google Playstore | |
CN110399399B (zh) | 用户分析的方法、装置、电子设备和存储介质 | |
Ying et al. | Analysis Model for Fire Accidents of Electric Bicycles Based on Principal Component Analysis | |
CN116631108B (zh) | 一种基于人脸识别技术的小区安防方法、装置和设备 | |
CN109492539A (zh) | 一种人脸识别追踪系统 | |
CN118070294B (zh) | 基于多维数据的安全运维大数据处理系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |