隨著對互聯(lián)網(wǎng)中的社會關系網(wǎng)絡的研究熱度不斷提高,物理世界中的軌跡移動網(wǎng)絡也得到越來越多的關注。如何挖掘不同用戶在同一時間片段內(nèi)軌跡移動的相似性,從中得到準確的軌跡特征信息,已經(jīng)成為研究軌跡的重點。但是在現(xiàn)實生活中,用戶行為活動產(chǎn)生的軌跡數(shù)據(jù)都是比較密集的,軌跡的數(shù)量在時間片段上的變化是遞增的,軌跡的地理信息在地圖上的顯示卻是無章法的,并且用戶在日�；顒又械囊苿榆壽E存在著行為交叉的問題,因此,對軌跡集的數(shù)據(jù)進行有效的行為特征分析增加了難度。軌跡數(shù)據(jù)主要包括用戶編碼、時間點、經(jīng)度、緯度和所在地理位置的水平面高度這五個特征。針對密集性大和交叉程度高的軌跡數(shù)據(jù)的行為分析時,考慮到水平高度差影響較小,本文將軌跡數(shù)據(jù)轉換成由經(jīng)度緯度定義的時間序列,提出一種基于單源空間特征模型的稀疏子集分析算法,首先,對用戶移動的軌跡之間進行空間相似度測量,然后對相似性程度進行稀疏分析,最后進行全局最優(yōu)的子集聚類。本文算法框架主要如下:(1)針對計算軌跡之間相似性度量準確性的問題,采用了時間序列挖掘-動態(tài)時間歸整原理來歸整長度不同的軌跡之間的最小距離,并使用這個距離矩陣定義軌跡的空間相似度矩陣。同時采用對特征矩陣進...

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 主要研究內(nèi)容和貢獻點
    1.4 論文結構
第二章 社區(qū)定義與檢測
    2.1 社區(qū)定義
    2.2 特征矩陣分析
        2.2.1 語義特征矩陣
        2.2.2 空間特征矩陣
        2.2.3 時間特征矩陣
        2.2.4 速度特征矩陣
    2.3 社區(qū)檢測方法
第三章 基于稀疏子集分析的軌跡聚類
    3.1 問題定義
        3.1.1 特征矩陣度量
        3.1.2 稀疏子集分析
            3.1.2.1 稀疏矩陣定義
            3.1.2.2 異常值處理
            3.1.2.3 目標函數(shù)優(yōu)化
        3.1.3 聚類分析
    3.2 算法設計
第四章 實驗分析
    4.1 軌跡數(shù)據(jù)集
    4.2 實驗環(huán)境
    4.3 實驗結果
        4.3.1 約束參數(shù)分析
        4.3.2 對比實驗分析
總結與展望
參考文獻
攻讀學位期間發(fā)表的成果
攻讀學位期間參與的科研項目
致謝



本文編號：3831181