基于轨迹特征学习的动物社区分析算法研究

Social relations of animals have a significant impact on their behaviors to obtain food, habitat, spouse and other resources. However, due to the limit of data acquisition and processing, it takes a lot of manpower and time to collect the social structure of an animal group. With the development of satellite positioning technology, researchers can now obtain animal positions over a period of time. Recently, many scholars use state space models, Markov models and so on to describe animal trajectories. Considering the potential influence of animal community structure on athletic behavior, this study proposes a method to model the relationship of animals based on their motion trajectory and to discover the community structure. In trajectory analysis, this study analyzes the long-term correlation of animal tracks by using the deep recurrent neural network model which is integrated with auto-encoder network to realize unsupervised learning for the recursive network model. In addition, we also introduce implicit variables describing the association of animal motion states are introduced in the model as a basis for measuring the influence between animals. The community structure can be revealed by inferring these variables with our community model.

动物的社会关系对它们在群体活动中获取食物、栖息地、配偶等资源的行为方式有重要影响。然而，由于数据获取和处理的局限性，收集一个动物群体的社会结构需要耗费大量的人力和时间。随着卫星定位技术的发展，现在研究人员可以获得动物在一段时期内的位置变化信息，即运动轨迹。有不少学者采用人工定义的特征，利用状态空间模型、马尔科夫模型等来分析动物的轨迹对应的运动状态。考虑到动物社区结构对运动行为的潜在影响力，本项研究提出一种基于运动轨迹来对动物进行网络关系建模并进行社区结构发现。在运动轨迹分析方面，本项研究通过深度递归神经网络模型对动物轨迹的长期关联性进行分析，通过与自编码网络相融合，实现对递归网络模型的无监督学习和对轨迹数据的自适应分析。此外，我们还在模型中引入描述动物运动状态关联性的隐含变量，作为衡量动物之间影响力的依据，通过变分推断等方法刻画出动物群体的社区结构。

本项研究通过对动物轨迹数据进行建模和分析，挖掘动物个体运动轨迹与运动状态的长期关联性特征，并对动物之间运动状态的相互影响进行量化，从而发现动物的运动相关性。本项研究建立了动物个体运动状态与轨迹的长期关联模型，通过量化个体之间的运动关联性来获得关系网络结构，进行结构分析，并提高算法的可扩展性。本项研究提出了一系列从动物运动的轨迹数据获取动物群体关系网络并进行网络结构分析和运动轨迹分析的方法。这一方法既可以利用目前广泛存在的动物轨迹数据，也可以避免依赖于人工观察和跟踪的分析方法效率低下的问题。本项研究的数据来源主要包括实际数据和模拟数据两个方面。实际数据基于申请人过去参与项目所获得动物的轨迹数据以及其他文献资料所提供的数据。网络结构分析在动物群体中的应用研究具有重要的生物学意义，动物群体网络结构的分析研究能也帮助人们认识到野生动物栖息地保护的重要性。此外，分析海洋动物的关系网络结构有助于理解海洋地理等生态环境对这些动物生活习性的影响。