近年來,隨著智能手機的普及和移動互聯(lián)網(wǎng)的發(fā)展,軌跡數(shù)據(jù)的獲取日趨便捷和精確,其產(chǎn)生的場景也更加多樣化,如出租車的行車軌跡、共享單車的使用軌跡以及社交網(wǎng)絡(luò)的簽到軌跡等。這些軌跡數(shù)據(jù)不僅記錄了移動對象的位置信息及變化過程,還反映其潛在的行為模式和偏好,具有重大的研究價值。但傳統(tǒng)的軌跡挖掘算法很少關(guān)注軌跡的時空屬性所帶來的動態(tài)性,使得挖掘結(jié)果往往忽略了軌跡的演化過程。此外,面對軌跡數(shù)據(jù)量的與日俱增,以往基于全量數(shù)據(jù)集的挖掘手段已經(jīng)難以適用,其處理速度也無法對在線請求進行即時響應(yīng)。為此,文章考慮數(shù)據(jù)流技術(shù)來作為解決海量數(shù)據(jù)挖掘問題的手段,并聚焦流式場景下的軌跡演化過程,分別提出了基于數(shù)據(jù)流的實時軌跡聚類和實時位置推薦算法。為了解決實時數(shù)據(jù)流場景下的軌跡聚類問題,文章提出了一種在線軌跡聚類算法AntClu。針對流式場景中軌跡的時空特征不斷變化的問題,定義了“軌跡趨勢”來表征移動對象當前的運動模式,并借助“時間同步距離”來量化表征誤差,提高表征精度。進一步地,研究基于軌跡趨勢結(jié)構(gòu)提出了在線密度聚類算法,通過動態(tài)維護在線微簇來挖掘軌跡聚集模式的演化過程,并以宏聚類結(jié)果來響應(yīng)實時聚類請求。文章通過實驗... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【部分圖文】：

三種常見的窗口模型.(i)界標窗口模型(ii)滑動窗口模型(iii)衰退窗口模型

SWClustering算法所采用的梗概數(shù)據(jù)結(jié)構(gòu)：指數(shù)直方圖的更新過程

基于最小外接矩陣的軌跡線段度量方法示意圖

【參考文獻】：
期刊論文
[1]連續(xù)聚類移動目標軌跡數(shù)據(jù)流算法(英文)[J]. 于彥偉,王沁,王小東.  中國通信. 2013(09)



本文編號：3545498