隨著移動互聯(lián)網(wǎng)及信息技術(shù)的迅速發(fā)展和現(xiàn)代移動智能終端的廣泛應(yīng)用,衍生出大量的移動對象位置信息,興趣點推薦服務(wù)因其幫助用戶從海量信息中及時、有效地獲得感興趣的內(nèi)容得到國內(nèi)外研究人士的普遍關(guān)注。傳統(tǒng)的興趣點推薦系統(tǒng)往往只考慮了移動對象對地點的位置偏好信息,忽略了移動對象軌跡數(shù)據(jù)的分散性和信息分布的低密度性,使軌跡的信息提取難度高、興趣點推薦系統(tǒng)地點分析功能精度差�；诖�,本文設(shè)計并實現(xiàn)了一種基于時空聚類的興趣點推薦系統(tǒng),通過將時空信息轉(zhuǎn)化為軌跡數(shù)據(jù),同時增加軌跡的情景標簽,對比用戶歷史興趣點及用戶間運動規(guī)律和行為模式的相似性,最終實現(xiàn)一個高準確率的興趣點推薦系統(tǒng)。本文主要研究工作如下:(1)研究使用基于軌跡分段的層次聚類算法(A Hierarchical Clustering Algorithm Based on Trajectory Segmentation,HCTS)對軌跡數(shù)據(jù)進行預(yù)處理。通過基礎(chǔ)數(shù)據(jù)清洗算法并改進層次聚類算法,形成初步聚類結(jié)果,從而剔除海量軌跡數(shù)據(jù)中的冗余點和異常點,為實現(xiàn)下一步聚類算法提供真實有效的軌跡數(shù)據(jù)和參數(shù),提高時空軌跡數(shù)據(jù)聚類質(zhì)量。(2)研究使用基于多標簽選...

【文章頁數(shù)】：93 頁

【學位級別】：碩士

【部分圖文】：

圖3-3時間效率比較

圖3-3時間效率比較圖3-4聚類結(jié)果比較選擇的時空軌跡聚類算法研究0.250.51時間間隔/h0246810120.250.51時間間隔/sHCTSAHDATRACLUSDBSCAN

圖3-4聚類結(jié)果比較

圖3-4聚類結(jié)果比較選擇的時空軌跡聚類算法研究據(jù)及技術(shù)支持，本文提出基于多標簽選擇的時結(jié)合實驗結(jié)果進行分析，驗證興趣點推薦系統(tǒng)析證明MS-SMoT算法準確挖掘出用戶不同時段息，為下一步基于相似度融合的興趣點推薦算法法相關(guān)模型定義[45]的CB-SMoT模型和基于文獻[....

圖3-8由Eps所得潛在靜止區(qū)域

第三章基于時空聚類的興趣點推薦系統(tǒng)關(guān)鍵算法的研究與實現(xiàn)

圖3-9由EpsN所得潛在靜止區(qū)域

35圖3-9由EpsN所得潛在靜止區(qū)域組織聚類織聚類是一種基于速度的聚類方法，組成MS-SMoT算參數(shù)EpsN和最短持續(xù)時間minTime獲取軌跡點對應(yīng)E域，計算得到當前潛在靜止區(qū)域內(nèi)所有的核心點，將當前潛在靜止區(qū)域直到其不再擴大，即不在有新軌跡點。初步聚類....

本文編號：3944465