| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 本人组织结构 | 第15-16页 |
| 第2章 时空轨迹模式挖掘研究进展 | 第16-30页 |
| 2.1 时空轨迹模式挖掘简介 | 第16-17页 |
| 2.1.1 时空轨迹频繁模式 | 第16页 |
| 2.1.2 时空轨迹伴随模式 | 第16-17页 |
| 2.1.3 时空轨迹异常模式 | 第17页 |
| 2.1.4 时空轨迹聚集模式 | 第17页 |
| 2.2 时空轨迹聚集模式分类 | 第17-21页 |
| 2.2.1 Group模式 | 第17页 |
| 2.2.2 Flock模式 | 第17-18页 |
| 2.2.3 Moving Cluster模式 | 第18-19页 |
| 2.2.4 Convoy模式 | 第19页 |
| 2.2.5 Evolving Convoy模式 | 第19-20页 |
| 2.2.6 Swarm模式 | 第20页 |
| 2.2.7 Gathering模式 | 第20-21页 |
| 2.3 时空轨迹聚集模式挖掘方法 | 第21-25页 |
| 2.3.1 基于近似查询的聚集模式挖掘算法 | 第22-23页 |
| 2.3.2 基于关联规则剪枝的挖掘算法 | 第23页 |
| 2.3.3 基于密度聚类的聚集模式挖掘算法 | 第23-25页 |
| 2.4 时空轨迹Gathering聚集模式挖掘算法 | 第25-29页 |
| 2.4.1 背景知识 | 第25-26页 |
| 2.4.2 轨迹简化 | 第26-27页 |
| 2.4.3 轨迹聚类 | 第27-28页 |
| 2.4.4 聚集检测 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 时空轨迹Gathering聚集模式并行挖掘算法 | 第30-41页 |
| 3.1 并行编程模型 | 第30-33页 |
| 3.1.1 Hadoop | 第30-32页 |
| 3.1.2 Spark | 第32页 |
| 3.1.3 GPU | 第32-33页 |
| 3.2 算法思想 | 第33页 |
| 3.3 算法描述 | 第33-36页 |
| 3.4 实验与结果分析 | 第36-40页 |
| 3.4.1 实验环境 | 第36页 |
| 3.4.2 实验数据源 | 第36页 |
| 3.4.3 实验结果分析 | 第36-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 时空轨迹Gathering聚集模式挖掘算法的改进 | 第41-52页 |
| 4.1 基于网格索引的时空轨迹并行聚类算法 | 第41-48页 |
| 4.1.1 引言 | 第41-43页 |
| 4.1.2 GPTRAJ-DBSCAN算法思想 | 第43-46页 |
| 4.1.3 实验与结果分析 | 第46-48页 |
| 4.2 基于中心距离的闭合聚集检测算法 | 第48-51页 |
| 4.2.1 引言 | 第48-49页 |
| 4.2.2 CDCC算法思想 | 第49-50页 |
| 4.2.3 实验与结果分析 | 第50-51页 |
| 4.3 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52-53页 |
| 5.2 展望 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 附录 攻读硕士学位期间发表论文情况 | 第59-60页 |
| 致谢 | 第60页 |
