版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、時空數據挖掘是指從時空數據庫中提取用戶感興趣的時空模式與特征、時空與非時空數據的普遍關系及其它隱含在時空數據庫中知識的過程。離群點檢測是數據挖掘中用于發(fā)現小部分數據表現出的異常模式的技術。時空離群檢測是時空數據挖掘的一個重要部分,也是離群點檢測在時空數據上的擴展,用于發(fā)現與其時空鄰域非時空屬性值有極大不同的時空對象或時空模式。由于巨量的占據地理空間的時空數據在連續(xù)更新,比如遙感數據,必定存在一些異常和表現不一致的數據,因此時空離群研究成
2、為離群點研究領域的一個熱點課題。 時空離群檢測需要解決鄰域確定和離群判斷二個主要問題。時序離群檢測研究的重點是如何依據時序數據自身特點劃分時序數據,用于時序離群挖掘??臻g離群檢測關注的是如何較好地結合空間數據的相互依賴約束和分布特性的不一致約束。定義時空鄰域的難點在于如何結合各種空間相鄰關系和各種時序相鄰關系。時空離群檢測要解決離群檢測的對象是什么,離群比較的范圍是什么,離群程度衡量的標準是什么。本文在上述幾個方面做了較深入的探
3、討,主要貢獻如下: 1、在時序離群檢測方面,通過提取時序數據的變化特征與重要點相結合得到基于時序離群檢測的重要點分段方法,成功用于時序離群模式的挖掘。 2、在空間離群檢測方面,采用對象的鄰域距離解決空間對象間的相互依賴約束,提出結合空間數據鄰域分布特性的空間局部離群系數及基于空間局部離群系數的檢測算法。在合成數據集和實際數據集上的實驗證明了該算法的有效性。 3、在時空鄰居確定方面,在歸納基于連接、連通性和Voro
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,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,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
- 離群點檢測方法研究.pdf
- 離群點檢測及其應用研究.pdf
- 背景離群點檢測算法研究.pdf
- 數據流離群點檢測研究.pdf
- 基于離群點檢測的醫(yī)保欺詐檢測研究.pdf
- 基于密度差異的離群點檢測研究.pdf
- 基于距離的離群點檢測方法研究.pdf
- 醫(yī)療數據的離群點檢測方法研究.pdf
- 基于RFID數據的離群點檢測.pdf
- 隱私保護離群點檢測算法的研究.pdf
- 數據挖掘中的離群點檢測算法研究.pdf
- 面向審計領域的聚類離群點檢測研究.pdf
- 基于NMF和相似度函數離群點檢測.pdf
- 基于離群點檢測方法的醫(yī)保異常發(fā)現.pdf
- 基于鄰域要素的局部密度離群點檢測.pdf
- 基于距離的離群點檢測算法分析與研究.pdf
- 分類數據離群點檢測算法的研究與改進.pdf
- 分類數據離群點檢測算法的研究與改進
- 基于選擇性集成學習的離群點檢測研究.pdf
- 基于密度的不確定數據離群點檢測研究.pdf
評論
0/150
提交評論