隨著移動(dòng)互聯(lián)網(wǎng)及信息技術(shù)的迅速發(fā)展和現(xiàn)代移動(dòng)智能終端的廣泛應(yīng)用,衍生出大量的移動(dòng)對(duì)象位置信息,興趣點(diǎn)推薦服務(wù)因其幫助用戶(hù)從海量信息中及時(shí)、有效地獲得感興趣的內(nèi)容得到國(guó)內(nèi)外研究人士的普遍關(guān)注。傳統(tǒng)的興趣點(diǎn)推薦系統(tǒng)往往只考慮了移動(dòng)對(duì)象對(duì)地點(diǎn)的位置偏好信息,忽略了移動(dòng)對(duì)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(diǎn)推薦系統(tǒng)地點(diǎn)分析功能精度差。基于此,本文設(shè)計(jì)并實(shí)現(xiàn)了一種基于時(shí)空聚類(lèi)的興趣點(diǎn)推薦系統(tǒng),通過(guò)將時(shí)空信息轉(zhuǎn)化為軌跡數(shù)據(jù),同時(shí)增加軌跡的情景標(biāo)簽,對(duì)比用戶(hù)歷史興趣點(diǎn)及用戶(hù)間運(yùn)動(dòng)規(guī)律和行為模式的相似性,最終實(shí)現(xiàn)一個(gè)高準(zhǔn)確率的興趣點(diǎn)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(lèi)算法(A Hierarchical Clustering Algorithm Based on Trajectory Segmentation,HCTS)對(duì)軌跡數(shù)據(jù)進(jìn)行預(yù)處理。通過(guò)基礎(chǔ)數(shù)據(jù)清洗算法并改進(jìn)層次聚類(lèi)算法,形成初步聚類(lèi)結(jié)果,從而剔除海量軌跡數(shù)據(jù)中的冗余點(diǎn)和異常點(diǎn),為實(shí)現(xiàn)下一步聚類(lèi)算法提供真實(shí)有效的軌跡數(shù)據(jù)和參數(shù),提高時(shí)空軌跡數(shù)據(jù)聚類(lèi)質(zhì)量。(2)研究使用基于多標(biāo)簽選...

【文章頁(yè)數(shù)】：93 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖3-3時(shí)間效率比較

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

圖3-4聚類(lèi)結(jié)果比較

圖3-4聚類(lèi)結(jié)果比較選擇的時(shí)空軌跡聚類(lèi)算法研究據(jù)及技術(shù)支持，本文提出基于多標(biāo)簽選擇的時(shí)結(jié)合實(shí)驗(yàn)結(jié)果進(jìn)行分析，驗(yàn)證興趣點(diǎn)推薦系統(tǒng)析證明MS-SMoT算法準(zhǔn)確挖掘出用戶(hù)不同時(shí)段息，為下一步基于相似度融合的興趣點(diǎn)推薦算法法相關(guān)模型定義[45]的CB-SMoT模型和基于文獻(xiàn)[....

圖3-8由Eps所得潛在靜止區(qū)域

第三章基于時(shí)空聚類(lèi)的興趣點(diǎn)推薦系統(tǒng)關(guān)鍵算法的研究與實(shí)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(lèi)織聚類(lèi)是一種基于速度的聚類(lèi)方法，組成MS-SMoT算參數(shù)EpsN和最短持續(xù)時(shí)間minTime獲取軌跡點(diǎn)對(duì)應(yīng)E域，計(jì)算得到當(dāng)前潛在靜止區(qū)域內(nèi)所有的核心點(diǎn)，將當(dāng)前潛在靜止區(qū)域直到其不再擴(kuò)大，即不在有新軌跡點(diǎn)。初步聚類(lèi)....

本文編號(hào)：3944465