轨迹模式挖掘
2016-01-01 20:03:02 0 举报
AI智能生成
轨迹模式挖掘是一种数据挖掘技术,它通过分析用户在一段时间内的行为轨迹,发现其中的规律和模式。这种技术可以用于各种领域,如交通、旅游、购物等。例如,在交通领域,轨迹模式挖掘可以帮助城市规划者更好地了解人们的出行习惯,从而优化交通网络;在旅游领域,轨迹模式挖掘可以帮助旅行社更好地了解游客的喜好,从而提供更个性化的服务。总之,轨迹模式挖掘是一种强大的工具,它可以帮助我们更好地理解人类行为,并为各行各业提供有价值的信息。
作者其他创作
大纲/内容
Moving Together Patterns
用处
研究物种迁徙
研究军事侦察
研究交通事物探测
算法
flock
预定义了圆形状
在连续时间段内
convoy
基于密度聚类
在连续时间段内
加载整个轨迹到内存
swarm
k个不必连续的时间戳
加载整个轨迹到内存
travelling companion
数据结构
在线探测
gathering pattern
group中成员逐步解决
每类中至少mp个成员,至少kp个类
轨迹聚类
road网络
map-matching & graph clustering算法
free spaces
步骤一:聚类
回归混合模型
子主题
步骤二
将轨迹分成线性段
用trajectory-hausdorff 距离简历近似轨迹群
步骤三
递增聚类算法
减少计算量 & 存储
步骤四
micro clusters
group microclusters into macroclusters
在轨迹中挖掘序列模式
序列模式:一定数量的移动物体在相似时间段中的位置普遍序列
用处
旅行推荐
生活模式了解
下一个位置预测
估计用户相似性
轨迹压缩
挑战
选定一个精确的位置
方法
在freespace中序列模式挖掘
基于线性简化的方法
聚类方法
在Road Network中序列模式挖掘
map-matching 算法去匹配轨迹
轨迹用road 段IDs序列表示
LCSS & Suffix Tree 序列模式挖掘算法
从轨迹中挖掘周期模式
寻找移动物体的周期性活动pattern
时间序列data
异步patterns
surprising periodic pattern
空位罚值的patterns
检索最大的周期patterns
挑战
交叉时间段
部分时间段
时空噪声
异常点
二阶段探测方法
用基于密度的聚类算法探测移动物体访问频繁的一些参考点
分等级聚类算法总结周期行为
0 条评论
下一页