本文關鍵詞：互聯(lián)網POI同位模式挖掘方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著互聯(lián)網技術和地理信息服務的飛速發(fā)展,互聯(lián)網電子地圖已逐漸應用于社會生活的方方面面,互聯(lián)網POI (Point of Interest,興趣點)作為電子地圖的重要組成部分,具有海量、異構、分布廣泛、更新頻繁等特點,研究大規(guī)�；ヂ�(lián)網POI的分布特征,發(fā)掘隱藏在海量地理信息背后的知識規(guī)律,逐漸成為人們日常生活中關注的焦點,同位模式分析正是在這一當務之急的情況下產生的解決這一問題的有效途徑。互聯(lián)網POI同位模式分析可以提取海量POI的分布特征和它們之間的關聯(lián)關系,從而在大量的、無序的POI中發(fā)現(xiàn)隱藏在其背后的信息和知識,幫助用戶更直觀清晰的發(fā)現(xiàn)信息,同時為各種地理決策提供支持。然而現(xiàn)有的同位模式分析在面對成百上千萬甚至更多的POI時,往往不能快速高效地發(fā)掘它們的分布特征和關聯(lián)關系,因此本文提出基于MapReduce的同位模式挖掘方法和基于多線程并行處理的同位模式挖掘方法來提高大規(guī)模POI的同位模式分析效率。 本文研究工作主要從以下三個方面進行：第一,研究了傳統(tǒng)的關聯(lián)規(guī)則算法和同位模式算法。在Visual Studio2008平臺運用C#編程語言實現(xiàn)了關聯(lián)規(guī)則算法的經典Apriori算法,并通過實例驗證了算法的準確性,同時總結了幾種Apriori算法的改進思想；介紹了同位模式的相關概念,通過實例說明了基于全連接、部分連接、無連接等幾種同位模式挖掘算法。第二,針對大規(guī)�；ヂ�(lián)網POI,實現(xiàn)基于多線程并行處理的同位模式挖掘算法。首先通過MongoDB存儲模型實現(xiàn)海量POI的存儲,其次通過建立空間地理索引提高查詢效率,通過MongoDB的地理空間索引獲取同位模式實例集合,然后通過多線程并行處理編程模型將數(shù)據(jù)集劃分為多個數(shù)據(jù)塊,對分割后的數(shù)據(jù)采用多線程并行Apriori計算,獲得符合支持度和置信度的頻繁同位模式和同位規(guī)則。第三,以北京市、上海市、廣州市、深圳市的互聯(lián)網POI為例,通過設置不同的鄰近距離、支持度、置信度等參數(shù),挖掘不同條件下的同位模式和同位規(guī)則,分析他們之間的分布特征和不同類別的POI之間的關聯(lián)程度。應用說明本文提出的多線程并行處理同位模式挖掘方法能有效反映地理實體在一定范圍內的分布特征,具有較強的應用價值。
【關鍵詞】：互聯(lián)網 POI標注 同位模式 Apriori算法 并行處理
【學位授予單位】：山東農業(yè)大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：P283.7;P209
【目錄】：

• 中文摘要6-7
• Abstract7-9
• 1 緒論9-16
• 1.1 研究背景與意義9-10
• 1.1.1 研究背景9-10
• 1.1.2 研究意義10
• 1.2 國內外研究現(xiàn)狀10-13
• 1.2.1 關聯(lián)規(guī)則挖掘研究現(xiàn)狀10-11
• 1.2.2 同位模式挖掘研究現(xiàn)狀11-13
• 1.2.3 海量數(shù)據(jù)挖掘研究現(xiàn)狀13
• 1.3 研究內容和論文結構13-15
• 1.3.1 研究內容13-14
• 1.3.2 論文結構14-15
• 1.4 小結15-16
• 2 關聯(lián)規(guī)則數(shù)據(jù)挖掘16-26
• 2.1 關聯(lián)規(guī)則概述16-19
• 2.1.1 關聯(lián)規(guī)則的概念16-17
• 2.1.2 關聯(lián)規(guī)則的分類17-18
• 2.1.3 關聯(lián)規(guī)則的挖掘過程18-19
• 2.2 經典Apirori算法19-24
• 2.2.1 算法的基本原理19
• 2.2.2 算法的流程19-21
• 2.2.3 算法的實現(xiàn)21-24
• 2.3 Apriori算法的幾種改進思想24-25
• 2.4 小結25-26
• 3 空間數(shù)據(jù)同位模式挖掘26-38
• 3.1 空間數(shù)據(jù)概念及特性26
• 3.2 同位模式挖掘26-37
• 3.2.1 同位模式的提出26-27
• 3.2.2 同位模式相關概念27-30
• 3.2.3 同位模式挖掘方法30-37
• 3.3 小結37-38
• 4 互聯(lián)網POI同位模式挖掘算法實現(xiàn)及應用38-60
• 4.1 互聯(lián)網POI同位模式挖掘算法實現(xiàn)38-54
• 4.1.1 基于MongoDB的大規(guī)模POI存儲38-41
• 4.1.2 互聯(lián)網POI同位模式實例集獲取41-45
• 4.1.3 基于MapReduce的同位模式挖掘45-49
• 4.1.4 基于多線程并行處理的同位模式挖掘49-54
• 4.2 互聯(lián)網POI同位模式挖掘算法應用54-59
• 4.2.1 數(shù)據(jù)存儲與分析處理54-55
• 4.2.2 實例結果分析55-59
• 4.3 小結59-60
• 5 總結與展望60-62
• 5.1 論文研究工作總結60-61
• 5.2 下一步工作展望61-62
• 參考文獻62-67
• 附錄67-71
• 致謝71-72
• 攻讀碩士學位期間發(fā)表論文及其他成果72

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉獨玉;楊晉浩;鐘守銘;;關聯(lián)規(guī)則挖掘研究綜述[J];成都大學學報(自然科學版);2006年01期

2 張雪伍;蘇奮振;石憶邵;張丹丹;;空間關聯(lián)規(guī)則挖掘研究進展[J];地理科學進展;2007年06期

3 沈良忠;;關聯(lián)規(guī)則中Apriori算法的C#實現(xiàn)研究[J];電腦知識與技術;2009年13期

4 蘆海燕;;數(shù)據(jù)挖掘中關聯(lián)規(guī)則算法的研究[J];電腦知識與技術;2011年26期

5 黃立勤;柳燕煌;;基于MapReduce并行的Apriori算法改進研究[J];福州大學學報(自然科學版);2011年05期

6 王冬秀;;關聯(lián)規(guī)則挖掘的Apriori算法的改進與應用[J];廣西工學院學報;2012年04期

7 李中元;邊馥苓;;空間同位模式挖掘研究進展[J];地理空間信息;2013年06期

8 王占全,王申康,華成;空間分類數(shù)據(jù)同位規(guī)則挖掘算法[J];計算機輔助設計與圖形學學報;2005年10期

9 趙祖應;丁勇;鄧平;;基于Apriori算法的購物籃關聯(lián)規(guī)則分析[J];江西科學;2012年01期

10 鄭繼剛;;對Apriori算法的改進及其實現(xiàn)研究[J];計算機與數(shù)字工程;2010年12期

中國博士學位論文全文數(shù)據(jù)庫 前2條

1 何月順;關聯(lián)規(guī)則挖掘技術的研究及應用[D];南京航空航天大學;2010年

2 錢烽;同位模式挖掘研究[D];浙江大學;2012年

  本文關鍵詞：互聯(lián)網POI同位模式挖掘方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：332373