【摘要】：移動(dòng)對(duì)象的語(yǔ)義行為模式挖掘是當(dāng)前移動(dòng)對(duì)象研究中關(guān)注的熱點(diǎn),有益于諸多應(yīng)用場(chǎng)景,如朋友推薦系統(tǒng)、軌跡破案領(lǐng)域和個(gè)性化服務(wù)等.目前語(yǔ)義行為模式挖掘方法沒(méi)有考慮移動(dòng)對(duì)象在停留點(diǎn)的停留時(shí)間,不能準(zhǔn)確地分辨出移動(dòng)對(duì)象之間的不同行為模式.為了解決上述問(wèn)題,提出了一種基于停留時(shí)間的語(yǔ)義行為模式挖掘(discovering common behavior using staying duration on semantic trajectory,DSTra)方法,首先挖掘每個(gè)移動(dòng)對(duì)象的頻繁語(yǔ)義行為模式,然后定義語(yǔ)義行為模式之間的相似性度量方法,最后采用層次聚類的方法對(duì)移動(dòng)對(duì)象進(jìn)行聚類,找出具有相似行為模式的移動(dòng)對(duì)象群體.實(shí)驗(yàn)結(jié)果表明:該方法不僅具有合理性和有效性,同時(shí)還具有較高的準(zhǔn)確率和較好的效率.
[Abstract]:The semantic behavior pattern mining of moving objects is a hot topic in the research of moving objects, which is beneficial to many application scenarios, such as friend recommendation system, locus detection field and personalized service. The current semantic behavior pattern mining methods do not consider the residence time of moving objects at the point of stay and can not accurately distinguish the different behavior patterns between moving objects. In order to solve the above problems, a method of mining (discovering common behavior using staying duration on semantic objects and DSTra based on residence time semantic behavior pattern is proposed. Firstly, the frequent semantic behavior patterns of each moving object are mined. Then the similarity measure method between semantic behavior patterns is defined and the moving object group with similar behavior pattern is found by hierarchical clustering method. The experimental results show that this method is not only reasonable and effective, but also has higher accuracy and better efficiency.
【作者單位】： 北京工業(yè)大學(xué);中國(guó)科學(xué)院軟件研究所;中國(guó)科學(xué)院大學(xué);
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(61402449,91546111,91646201) 中國(guó)科學(xué)院重點(diǎn)部署項(xiàng)目(KGZD-EW-102-3-3) 北京市教委重點(diǎn)項(xiàng)目(KZ201610005009) 北京工業(yè)大學(xué)“17內(nèi)涵發(fā)展定額——引進(jìn)人才科研啟動(dòng)費(fèi)”~~
【分類號(hào)】：TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王宇新;田佳;郭禾;吳樹(shù)朋;楊元生;;應(yīng)用模糊方法的設(shè)計(jì)模式挖掘策略研究[J];計(jì)算機(jī)工程與應(yīng)用;2010年02期

2 陸億紅;王子仁;黃燕;;適合稀少空間特征的同位模式挖掘算法[J];浙江工業(yè)大學(xué)學(xué)報(bào);2007年04期

3 郭燕萍;辛伯宇;;高選票例外模式挖掘研究與實(shí)現(xiàn)[J];電腦開(kāi)發(fā)與應(yīng)用;2007年08期

4 徐顯九;楊燕;岳愛(ài)萍;;高效的用戶移動(dòng)模式挖掘方法[J];計(jì)算機(jī)應(yīng)用研究;2007年09期

5 李帆;夏士雄;張磊;;基于模糊理論的不確定軌跡模式挖掘[J];微電子學(xué)與計(jì)算機(jī);2011年08期

6 李中元;邊馥苓;;空間同位模式挖掘研究進(jìn)展[J];地理空間信息;2013年06期

7 邢東山,沈鈞毅,宋擒豹;用戶瀏覽偏愛(ài)模式挖掘算法的研究[J];西安交通大學(xué)學(xué)報(bào);2002年04期

8 劉洪輝;吳岳芬;;用戶行為模式挖掘問(wèn)題的研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2006年05期

9 付曉翠;許盈;車路;;游戲訪問(wèn)模式挖掘的研究與應(yīng)用[J];鄭州大學(xué)學(xué)報(bào)(理學(xué)版);2007年04期

10 顏一鳴;郭鑫;李仁發(fā);;一種非確定樹(shù)模式挖掘算法[J];計(jì)算機(jī)工程與應(yīng)用;2011年15期

相關(guān)會(huì)議論文 前10條

1 王肅;杜軍平;高田;;基于本體與知識(shí)背景的模式挖掘框架研究[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第二分冊(cè)）[C];2009年

2 繆裕青;尹東;;分布式存儲(chǔ)結(jié)構(gòu)的頻繁閉合模式挖掘并行算法[A];2007年全國(guó)開(kāi)放式分布與并行計(jì)算機(jī)學(xué)術(shù)會(huì)議論文集(下冊(cè))[C];2007年

3 王淼;尚學(xué)群;謝華博;李戰(zhàn)懷;;行常量差異共表達(dá)基因模式挖掘算法研究[A];第29屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（B輯）（NDBC2012）[C];2012年

4 劉玉葆;蔡嘉榮;印鑒;黃志蘭;;基于最大訪問(wèn)模式挖掘的數(shù)據(jù)庫(kù)異常行為檢測(cè)[A];第二十三屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2006年

5 陸葉;王麗珍;陳紅梅;趙麗紅;;基于可能世界的不確定空間co-location模式挖掘研究[A];NDBC2010第27屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集(B輯)[C];2010年

6 王麗珍;陸葉;陳紅梅;肖清;;基于前綴樹(shù)結(jié)構(gòu)的空間co-location模式挖掘算法研究[A];NDBC2010第27屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集(B輯)[C];2010年

7 胡偉成;曹三省;李丹;;一種基于QPop增量時(shí)域分割升維的媒體內(nèi)容應(yīng)用模式挖掘改進(jìn)算法[A];第二十二屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2005年

8 薛丹;李德敏;裴仁林;;移動(dòng)計(jì)算中基于PrefixSpan算法的用戶移動(dòng)模式挖掘[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

9 宋國(guó)杰;馬帥;唐世渭;楊冬青;;基于模式挖掘的交通預(yù)測(cè)模型[A];第十九屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2002年

10 夏慶;馬元元;孫志揮;;路徑遍歷模式挖掘方法的改進(jìn)[A];第十六屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集[C];1999年

相關(guān)重要報(bào)紙文章 前1條

1 辛苑薇;誰(shuí)將分享“大數(shù)據(jù)”的智慧盛宴？[N];21世紀(jì)經(jīng)濟(jì)報(bào)道;2012年

相關(guān)博士學(xué)位論文 前7條

1 Shafqat Ali Shad;移動(dòng)用戶軌跡與行為模式挖掘方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2013年

2 錢烽;同位模式挖掘研究[D];浙江大學(xué);2012年

3 劉勇;圖模式挖掘技術(shù)的研究[D];哈爾濱工業(yè)大學(xué);2010年

4 覃桂敏;復(fù)雜網(wǎng)絡(luò)模式挖掘算法研究[D];西安電子科技大學(xué);2012年

5 王樂(lè);數(shù)據(jù)流模式挖掘算法及應(yīng)用研究[D];大連理工大學(xué);2013年

6 林耀進(jìn);多源環(huán)境中數(shù)據(jù)預(yù)處理與模式挖掘的研究[D];合肥工業(yè)大學(xué);2014年

7 曾海泉;時(shí)間序列挖掘與相似性查找技術(shù)研究[D];復(fù)旦大學(xué);2003年

相關(guān)碩士學(xué)位論文 前10條

1 楊陽(yáng);云計(jì)算環(huán)境下時(shí)空軌跡伴隨模式挖掘研究[D];南京師范大學(xué);2015年

2 李海;基于用戶軌跡數(shù)據(jù)的周期活動(dòng)模式挖掘[D];江蘇科技大學(xué);2015年

3 周青峰;云計(jì)算環(huán)境下的模式挖掘算法研究[D];浙江工商大學(xué);2015年

4 陳瑞;基于分治子圖和極大有序團(tuán)樹(shù)的co-location模式挖掘研究[D];云南大學(xué);2015年

5 尹騰騰;軟件執(zhí)行軌跡中行為模式挖掘算法研究[D];燕山大學(xué);2015年

6 陳明福;縮小候選集的Top-k高效模式挖掘算法研究[D];重慶大學(xué);2015年

7 張子瀚;面向大數(shù)據(jù)的高效用模式挖掘方法研究[D];北方工業(yè)大學(xué);2016年

8 張剛領(lǐng);一種基于團(tuán)的閉頻繁Co-location模式挖掘方法[D];云南大學(xué);2016年

9 江萬(wàn)國(guó);基于領(lǐng)域驅(qū)動(dòng)的空間高效用Co-location模式挖掘[D];云南大學(xué);2016年

10 吳錫宇;基于約束的城市co-location模式挖掘[D];云南大學(xué);2016年

，

本文編號(hào)：2121999