隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)和數(shù)據(jù)采集技術(shù)的發(fā)展,產(chǎn)生了大量包含時(shí)間、空間等信息的時(shí)空數(shù)據(jù)。如何從這些時(shí)空數(shù)據(jù)中挖掘潛在有用的知識(shí),用于指導(dǎo)決策、商業(yè)分析等社會(huì)服務(wù),成為數(shù)據(jù)挖掘研究領(lǐng)域新的研究問(wèn)題和熱點(diǎn)。本文針對(duì)時(shí)空數(shù)據(jù)挖掘問(wèn)題進(jìn)行了研究,內(nèi)容主要包括以下兩個(gè)方面。(1)時(shí)空數(shù)據(jù)下興趣區(qū)域發(fā)現(xiàn)方法的研究。針對(duì)現(xiàn)有空間聚類(lèi)方法時(shí)間開(kāi)銷(xiāo)大,且不適應(yīng)時(shí)空數(shù)據(jù)特性的問(wèn)題,提出一種時(shí)空興趣區(qū)域發(fā)現(xiàn)算法SPROI,該算法是一種基于網(wǎng)格和時(shí)空密度的聚類(lèi)算法。一方面,結(jié)合訪(fǎng)問(wèn)頻率和停留時(shí)間兩個(gè)變量給出了時(shí)空密度的密度計(jì)算方法,充分考慮了時(shí)間、空間約束;另一方面,使用基于網(wǎng)格的聚類(lèi)方法,在需多次、重復(fù)聚類(lèi)的情況下提高了算法的運(yùn)行效率。算法的主要過(guò)程包括:首先,將空間范圍劃分為單元格,計(jì)算數(shù)據(jù)所在單元格的時(shí)空密度,找出符合密度閾值的核心單元格。然后將核心單元格進(jìn)行合并、過(guò)濾等操作,最后得到時(shí)空興趣區(qū)域。實(shí)驗(yàn)表明該算法有效可行,效率較高。(2)時(shí)空數(shù)據(jù)下頻繁模式挖掘方法的研究。由于時(shí)空數(shù)據(jù)的特殊性,現(xiàn)有的頻繁模式挖掘算法不適應(yīng)時(shí)空數(shù)據(jù)下的挖掘問(wèn)題,提出一個(gè)時(shí)空數(shù)據(jù)的頻繁模式挖掘算法SPMQT-mining。該算法考慮...

【文章頁(yè)數(shù)】：57 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖3 國(guó)內(nèi)計(jì)算社會(huì)科學(xué)文獻(xiàn)關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)聚類(lèi)圖

國(guó)內(nèi)計(jì)算社會(huì)科學(xué)研究的關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)聚類(lèi)結(jié)果如圖3所示,表7展示了聚類(lèi)結(jié)果的top9。從聚類(lèi)結(jié)果可知,國(guó)內(nèi)計(jì)算社會(huì)科學(xué)研究主要包含以下主題類(lèi)別:大數(shù)據(jù)分析、社會(huì)科學(xué)研究、地理信息科學(xué)、社會(huì)網(wǎng)絡(luò)分析、人工智能、傳播學(xué)、建模仿真。整體偏向社會(huì)科學(xué)研究,聚焦大數(shù)據(jù)的分析與應(yīng)用,關(guān)注人工....

圖４－１交通子Ｋ域劃分框架ＴＳＤ??４．１

?電寧科技太學(xué)碩士學(xué)位論文???第四章基于時(shí)空軌跡挖掘的交通區(qū)域劃分關(guān)鍵算法研究??本章基于第三章節(jié)清洗、過(guò)濾以及壓縮之后的軌跡數(shù)據(jù)，著麗研究基于時(shí)耷??軌跡挖掘的交通區(qū)域劃分關(guān)鍵算法，設(shè)計(jì)并實(shí)現(xiàn)基于時(shí)空融合的交通子區(qū)域劃分??框架ＴＳＤ，該框架生栗包含了軌跡相似性度薰方法選擇、....

圖2.1時(shí)空數(shù)據(jù)挖掘的分類(lèi)在時(shí)空數(shù)據(jù)挖掘的應(yīng)用上，文獻(xiàn)[33]首次提出了基于時(shí)空軌跡數(shù)據(jù)分析與挖掘的智

2相關(guān)知識(shí)概述9圖2.1時(shí)空數(shù)據(jù)挖掘的分類(lèi)在時(shí)空數(shù)據(jù)挖掘的應(yīng)用上，文獻(xiàn)[33]首次提出了基于時(shí)空軌跡數(shù)據(jù)分析與挖掘的智慧城市技術(shù)體系框架，如圖2.2[33]所示。該框架包含感知層、知識(shí)發(fā)現(xiàn)層和應(yīng)用層。感知層即采集數(shù)據(jù)層，通過(guò)GPS等技術(shù)獲取觀(guān)測(cè)對(duì)象等時(shí)間、位置等信息；知識(shí)發(fā)現(xiàn)層即....

圖2.2時(shí)空軌跡數(shù)據(jù)分析與挖掘的智慧城市技術(shù)體系框架

2相關(guān)知識(shí)概述9圖2.1時(shí)空數(shù)據(jù)挖掘的分類(lèi)在時(shí)空數(shù)據(jù)挖掘的應(yīng)用上，文獻(xiàn)[33]首次提出了基于時(shí)空軌跡數(shù)據(jù)分析與挖掘的智慧城市技術(shù)體系框架，如圖2.2[33]所示。該框架包含感知層、知識(shí)發(fā)現(xiàn)層和應(yīng)用層。感知層即采集數(shù)據(jù)層，通過(guò)GPS等技術(shù)獲取觀(guān)測(cè)對(duì)象等時(shí)間、位置等信息；知識(shí)發(fā)現(xiàn)層即....

本文編號(hào)：4031103