發(fā)布時間：2017-04-17 14:14

  本文關鍵詞：基于FP-樹的時空數(shù)據(jù)挖掘算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：時空數(shù)據(jù)挖掘作為空間數(shù)據(jù)挖掘的拓展,主要是針對時空數(shù)據(jù)進行分析和處理,時空數(shù)據(jù)的結構包括位置信息、時間信息和屬性信息三方面內(nèi)容。對時空數(shù)據(jù)的挖掘不僅僅是要分析時空數(shù)據(jù)的屬性信息,還需要分析數(shù)據(jù)對象的空間關系以及數(shù)據(jù)對象隨時間變化的規(guī)律,進而挖掘出隨著時間和空間的變化,隱藏在時空數(shù)據(jù)對象背后的時間與空間在現(xiàn)實世界中的內(nèi)在聯(lián)系,為客觀世界中的空間決策提供幫助。本文主要是對時空數(shù)據(jù)挖掘算法進行研究。首先分析論述了數(shù)據(jù)挖掘,空間數(shù)據(jù)挖掘,時空數(shù)據(jù)挖掘的基本概念和主要算法的聯(lián)系與區(qū)別。然后著重對傳統(tǒng)關聯(lián)規(guī)則挖掘算法進行了更加深入的分析與探索,發(fā)現(xiàn)其存在的缺陷與不足,探討如何對其進行優(yōu)化以及如何將其進行拓展。最終提出了一種基于FP-樹的時空關聯(lián)規(guī)則挖掘算法,即STFP-tree(Spatio-temporal FP-tree)算法,克服了傳統(tǒng)關聯(lián)規(guī)則算法的不足。實驗結果表明,STFP-tree算法能夠有效對時空數(shù)據(jù)進行分析挖掘,實現(xiàn)了傳統(tǒng)關聯(lián)規(guī)則算法到時空關聯(lián)算法的轉變。將其應用于對學校周圍酒店住宿價格進行趨勢的分析和預測中,達到了對時空數(shù)據(jù)進行挖掘分析的效果,為酒店位置的選取與酒店價格的及時調(diào)整提供了決策依據(jù)。
【關鍵詞】：時空數(shù)據(jù)挖掘 空間數(shù)據(jù)挖掘 空間決策 FP-樹 時空關聯(lián)規(guī)則挖掘算法
【學位授予單位】：河南工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP311.13
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 緒論9-15
• 1.1 引言9
• 1.2 國內(nèi)外研究現(xiàn)狀9-12
• 1.2.1 數(shù)據(jù)挖掘研究現(xiàn)狀9-10
• 1.2.2 空間數(shù)據(jù)挖掘研究現(xiàn)狀10-11
• 1.2.3 時空數(shù)據(jù)挖掘研究現(xiàn)狀11-12
• 1.3 研究目的及意義12-13
• 1.4 論文研究內(nèi)容和章節(jié)組織13-15
• 1.4.1 論文研究內(nèi)容13
• 1.4.2 論文章節(jié)組織13-15
• 第二章 相關理論與技術15-28
• 2.1 時空數(shù)據(jù)挖掘15-18
• 2.1.1 時空數(shù)據(jù)挖掘概念15
• 2.1.2 時空數(shù)據(jù)挖掘過程15-16
• 2.1.3 時空數(shù)據(jù)挖掘方法16-18
• 2.2 時空數(shù)據(jù)模型18-23
• 2.2.1 時空數(shù)據(jù)模型概念18
• 2.2.2 時空數(shù)據(jù)模型分類18-23
• 2.3 時空對象及其關系23-27
• 2.3.1 時間對象23-24
• 2.3.2 空間對象24-25
• 2.3.3 相互關系25-27
• 2.4 本章小結27-28
• 第三章 關聯(lián)規(guī)則挖掘理論與算法28-40
• 3.1 關聯(lián)規(guī)則挖掘理論28-29
• 3.1.1 關聯(lián)規(guī)則概念28
• 3.1.2 關聯(lián)規(guī)則挖掘步驟28-29
• 3.2 Apriori算法29-32
• 3.2.1 Apriori算法描述29
• 3.2.2 Apriori算法實例分析29-32
• 3.2.3 Apriori算法優(yōu)缺點分析32
• 3.3 FP-growth算法32-39
• 3.3.1 FP-growth算法描述32-33
• 3.3.2 FP-樹的創(chuàng)建33
• 3.3.3 FP-growth算法實例分析33-39
• 3.3.4 FP-growth算法優(yōu)缺點分析39
• 3.4 本章小結39-40
• 第四章 基于FP-樹的時空關聯(lián)規(guī)則挖掘算法40-49
• 4.1 時空關聯(lián)規(guī)則挖掘概念40
• 4.2 STFP-tree算法40-42
• 4.2.1 STFP-tree算法概念40
• 4.2.2 STFP-tree算法實現(xiàn)步驟40-42
• 4.3 實驗結果與分析比較42-48
• 4.4 本章小結48-49
• 第五章 總結與展望49-51
• 5.1 工作總結49
• 5.2 存在問題及展望49-51
• 參考文獻51-59
• 致謝59-60
• 個人簡歷60

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 薛占熬;司小朦;朱泰隆;王楠;;覆蓋粗糙直覺模糊集模型的研究[J];計算機科學;2016年01期

2 余翠蘭;;一種基于投影FP-growth的co-location模式挖掘算法[J];科學技術與工程;2014年23期

3 龔健雅;李小龍;吳華意;;實時GIS時空數(shù)據(jù)模型[J];測繪學報;2014年03期

4 楊睿通;賀興時;李建輝;;基于決策樹的空間數(shù)據(jù)處理策略[J];西安工程大學學報;2013年01期

5 石巖;劉啟亮;鄧敏;王佳t，

本文編號：313392