時空數據挖掘是較為前沿、新興的數據挖掘研究領域之一,旨在分析較高維度的時空數據,提取出時空數據中潛在的、有價值的知識。時空聚類、時空關聯則是其重要的兩個分支。時空聚類中閾值的合理設定,且將時空聚類和關聯規(guī)則應用到具有多屬性維度的時空數據集中是現在的一大難點。針對這些問題,本文主要從以下幾個部分進行研究:首先,針對傳統(tǒng)時空聚類算法ST-DBSCAN在人為設定閾值上存在較大隨機性,從而導致聚類結果不理想的問題,提出了一種時空距離頻數柱狀圖設定閾值的方法,并通過對比實驗來證明該方法下的聚類結果更為合理、準確。其次,針對時空聚類算法ST-DBSCAN僅限于處理三維時空數據的聚類分析,面對多于三維時空數據的聚類,提出了一種新的混合屬性時空聚類算法。該算法通過引入Gower相似系數、Dice相似系數與歐幾里得距離構建混合屬性相似度模型來計算多個事務對象之間屬性特征的相似度大小,當滿足相似度閾值的多個事務對象則可納入同一個時空簇內,從而將原始的時空聚類算法擴展到更多維度的聚類分析中。最后,針對在關聯規(guī)則算法FP-Growth的基礎上,如何判斷多維時空數據集的時空與屬性之間的關聯關系的問題,在傳統(tǒng)關聯...

【文章頁數】：94 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
主要英文縮寫與中英文對照表
符號及其定義清單
第一章 緒論
    1.1 選題背景及研究意義
    1.2 國內外研究現狀
        1.2.1 時空聚類分析研究現狀
        1.2.2 時空關聯規(guī)則研究現狀
        1.2.3 總結分析
    1.3 主要研究內容及創(chuàng)新點
        1.3.1 主要研究內容
        1.3.2 創(chuàng)新點
    1.4 本文的組織結構
第二章 時空數據挖掘技術概述
    2.1 時空數據
    2.2 時空數據挖掘
        2.2.1 時空數據挖掘概念
        2.2.2 時空數據挖掘過程
    2.3 時空聚類相關定義
    2.4 關聯規(guī)則相關定義
    2.5 實驗樣本庫的構建
        2.5.1 實驗數據下載
        2.5.2 實驗數據預處理
        2.5.3 樣本數據庫的搭建
    2.6 本章小結
第三章 時空聚類算法ST-DBSCAN及其閾值設定
    3.1 常見的時空聚類算法
    3.2 ST-DBSCAN時空聚類算法
    3.3 ST-DBSCAN算法實現步驟
    3.4 ST-DBSCAN算法的優(yōu)缺點
    3.5 閾值設定及實驗對比
    3.6 本章小結
第四章 混合屬性時空聚類算法MAST-DBSCAN
    4.1 屬性值的分類
    4.2 混合屬性相似計算模型
    4.3 混合屬性時空聚類算法
    4.4 算法實現步驟
    4.5 算法實例應用及結果分析
    4.6 本章小結
第五章 多屬性時空關聯算法MASTFP-Growth
    5.1 關聯規(guī)則算法
        5.1.1 常見的關聯規(guī)則算法
        5.1.2 FP-Growth關聯規(guī)則算法及案例分析
        5.1.3 FP-Growth關聯規(guī)則算法的優(yōu)缺點
    5.2 多屬性時空關聯規(guī)則算法
        5.2.1 關聯規(guī)則的空間語義擴充
        5.2.2 關聯規(guī)則的時間語義擴充
        5.2.3 關聯規(guī)則的屬性語義擴充
        5.2.4 多屬性時空關聯規(guī)則算法
        5.2.5 算法實現步驟
        5.2.6 算法實例應用及結果分析
    5.3 本章小結
第六章 總結與展望
    6.1 總結
    6.2 展望
致謝
參考文獻
附錄A 攻讀碩士期間發(fā)表的論文及其他成果
附錄B 核心代碼附錄



本文編號：3776783