面向海量轨迹数据的聚类算法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第9-12页 |
| 1 引言 | 第12-22页 |
| 1.1 研究背景和意义 | 第12-15页 |
| 1.1.1 研究背景 | 第12-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 国内外研究现状与分析 | 第15-20页 |
| 1.2.1 国内外研究现状 | 第15-18页 |
| 1.2.2 轨迹数据挖掘特点与难点分析 | 第18-20页 |
| 1.3 论文框架与研究内容 | 第20-22页 |
| 2 轨迹数据挖掘理论基础 | 第22-36页 |
| 2.1 数据集基本类型 | 第22-24页 |
| 2.2 轨迹数据基本理论 | 第24-29页 |
| 2.2.1 轨迹数据基本概念 | 第24页 |
| 2.2.2 轨迹的组成 | 第24-26页 |
| 2.2.3 轨迹的模式 | 第26-29页 |
| 2.3 轨迹数据分类 | 第29-31页 |
| 2.3.1 基于时间采样的轨迹数据 | 第29-30页 |
| 2.3.2 基于位置采样的轨迹数据 | 第30页 |
| 2.3.3 基于事件触发采样的轨迹数据 | 第30-31页 |
| 2.4 轨迹相似性度量 | 第31-32页 |
| 2.5 轨迹数据的应用领域 | 第32-35页 |
| 2.5.1 用户出行预测 | 第32-33页 |
| 2.5.2 用户动态分布 | 第33页 |
| 2.5.3 交通模拟和监控 | 第33-34页 |
| 2.5.4 城市功能单元识别 | 第34页 |
| 2.5.5 其他方面的应用 | 第34-35页 |
| 2.6 本章小结 | 第35-36页 |
| 3 轨迹数据聚类算法综述 | 第36-46页 |
| 3.1 基于欧式距离的轨迹聚类算法 | 第36-37页 |
| 3.1.1 轨迹间的欧氏距离 | 第36-37页 |
| 3.1.2 基于欧式距离的相关算法 | 第37页 |
| 3.2 基于豪斯多夫距离的轨迹聚类算法 | 第37-38页 |
| 3.2.1 豪斯多夫距离 | 第37-38页 |
| 3.2.2 基于豪斯多夫距离的相关算法 | 第38页 |
| 3.3 基于最小外包矩形距离的轨迹聚类算法 | 第38-39页 |
| 3.3.1 最小外包矩形距离 | 第38-39页 |
| 3.2.2 基于最小外包矩形距离的相关算法 | 第39页 |
| 3.4 基于动态时间封装距离的轨迹聚类算法 | 第39-40页 |
| 3.4.1 轨迹间的DTW距离 | 第40页 |
| 3.4.2 基于DWT距离的相关算法 | 第40页 |
| 3.5 基于最长公共子序列距离的轨迹聚类算法 | 第40-41页 |
| 3.5.1 最长公共子序列距离 | 第41页 |
| 3.5.2 基于最长公共子序列距离的相关算法 | 第41页 |
| 3.6 基于编辑距离的轨迹聚类算法 | 第41-42页 |
| 3.6.1 编辑距离 | 第42页 |
| 3.6.2 基于编辑距离的相关算法 | 第42页 |
| 3.7 基于FRECHET距离的轨迹聚类算法 | 第42-43页 |
| 3.7.1 Frechet距离 | 第43页 |
| 3.7.2 基于Frechet距离的相关算法 | 第43页 |
| 3.8 其他的轨迹聚类方法 | 第43-44页 |
| 3.8.1 基于轨迹划分的轨迹聚类算法 | 第43-44页 |
| 3.8.2 基于时间限制的轨迹聚类算法 | 第44页 |
| 3.8.3 移动微聚类 | 第44页 |
| 3.8.4 移动聚类 | 第44页 |
| 3.9 本章小结 | 第44-46页 |
| 4 基于多维距离度量的移动对象子轨迹聚类算法 | 第46-61页 |
| 4.1 引言 | 第46-48页 |
| 4.2 相关研究工作 | 第48-49页 |
| 4.3 问题定义 | 第49-50页 |
| 4.4 基于多维距离度量的子轨迹聚类算法详述 | 第50-57页 |
| 4.4.1 算法基本思想 | 第50-52页 |
| 4.4.2 算法相关概念 | 第52-53页 |
| 4.4.3 聚类算法评价方法 | 第53-54页 |
| 4.4.4 轨迹分割算法 | 第54-55页 |
| 4.4.5 子轨迹间的距离度量 | 第55-57页 |
| 4.4.6 子轨迹聚类算法 | 第57页 |
| 4.5 实验及结果分析 | 第57-60页 |
| 4.5.1 实验数据介绍 | 第58页 |
| 4.5.2 实验结果评价指标 | 第58-59页 |
| 4.5.3 实验结果及评价 | 第59-60页 |
| 4.6 本章小结 | 第60-61页 |
| 5 轨迹簇在线实时更新算法 | 第61-74页 |
| 5.1 引言 | 第61-62页 |
| 5.2 相关研究工作 | 第62-63页 |
| 5.3 问题定义 | 第63-64页 |
| 5.4 在线实时轨迹簇更新算法 | 第64-67页 |
| 5.4.1 算法基本思想 | 第64-65页 |
| 5.4.2 轨迹簇存储结构 | 第65-66页 |
| 5.4.3 轨迹簇更新算法 | 第66-67页 |
| 5.5 实验及结果分析 | 第67-73页 |
| 5.5.1 算法运行效率和可扩展性比较 | 第68-69页 |
| 5.5.2 算法的参数敏感度分析 | 第69-70页 |
| 5.5.3 算法的查询效率分析 | 第70-71页 |
| 5.5.4 算法运行效率和可扩展性比较 | 第71-73页 |
| 5.6 本章小结 | 第73-74页 |
| 6 结论与展望 | 第74-76页 |
| 6.1 研究工作总结 | 第74-75页 |
| 6.2 今后工作展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第80-82页 |
| 学位论文数据集 | 第82页 |
