版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領
文檔簡介
1、隨著全球定位系統(tǒng)GPS以及無線蜂窩網(wǎng)、無線通信等定位技術(shù)的快速發(fā)展和普及,人們可以方便地獲取移動對象的位置信息和使用基于位置的服務,并將對象的移動過程以行跡的形式記錄下來。移動對象的行跡數(shù)據(jù)中蘊含大量的有用信息,可用于分析人類行為、交通擁塞、城市規(guī)劃、自然現(xiàn)象的進化等。因此,近年來行跡挖掘技術(shù)受到了廣大學者的關注,并在智能交通、城市規(guī)劃、購物、旅游等領域得到了廣泛的應用。
論文通過分析行跡挖掘的典型方法和相關技術(shù),針對基于GP
2、S數(shù)據(jù)的頻繁行跡挖掘方法開展了探索工作,主要包括行跡數(shù)據(jù)聚類、行跡轉(zhuǎn)換和頻繁行跡挖掘三個方面。
在頻繁行跡挖掘中,由于受限于定位設備的精度,會產(chǎn)生位置模糊性問題,即定位設備在不同時間對同一位置進行定位時,得到的兩個坐標值并不會完全相同,會存在一定的差異,這就導致兩條行跡序列不能直接進行對比。針對這一問題,本文提出了一種基于動態(tài)方格劃分-合并限制的行跡數(shù)據(jù)聚類方法(DynamicBoundMethod),該方法首先將對象的行跡空
3、間動態(tài)地劃分成大小相等的方格;然后將對象的行跡映射到這些方格中,并用方格id來代表落入該方格內(nèi)的所有點,計算每個方格的密度,根據(jù)給定的最小支持度閾值,找出所有的頻繁方格;最后根據(jù)給定的界限函數(shù),將頻繁方格合并成頻繁區(qū)域。
在找出所有的頻繁區(qū)域之后,本論文提出一種新的轉(zhuǎn)換規(guī)則TCC,將把對象的行跡轉(zhuǎn)換為由頻繁區(qū)域id組成的序列集合。TCC考慮了對象在兩個連續(xù)區(qū)域之間的運行時間t,認為如果t小于某一時間閾值τ,那么這兩個區(qū)域之間存
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于前綴樹的頻繁行跡挖掘方法研究.pdf
- 頻繁子樹挖掘研究.pdf
- 間隔事件流上的頻繁情節(jié)挖掘方法研究.pdf
- 基于頻繁序列挖掘的預取方法研究.pdf
- 基于MapReduce的高效頻繁子圖挖掘方法研究.pdf
- 嵌入頻繁子樹挖掘研究.pdf
- 基于頻繁子樹挖掘的XML聚類方法研究.pdf
- 頻繁模式挖掘算法研究.pdf
- 面向不確定數(shù)據(jù)的頻繁模式挖掘方法研究.pdf
- 加權(quán)頻繁模式挖掘算法研究.pdf
- 基于約束的頻繁模式挖掘方法以及應用研究.pdf
- 關聯(lián)規(guī)則中簡潔頻繁項集的挖掘方法研究.pdf
- 頻繁閉合項集挖掘研究.pdf
- 數(shù)據(jù)流上頻繁項挖掘方法研究畢業(yè)論文
- 基于約束的頻繁模式挖掘方法以及應用研究
- 頻繁模式挖掘技術(shù)的研究.pdf
- 頻繁項目集挖掘算法研究.pdf
- 基于最小位置的頻繁序列和閉序列挖掘方法研究.pdf
- 基于頻繁模式樹的最大頻繁項目集挖掘算法研究.pdf
- 頻繁子圖挖掘算法的研究.pdf
評論
0/150
提交評論