| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 轨迹模式 | 第11-13页 |
| 1.2.2 用户相似度 | 第13-14页 |
| 1.3 本文的主要贡献 | 第14-15页 |
| 1.4 本文的主要结构 | 第15-17页 |
| 第2章 相关背景知识和问题描述 | 第17-27页 |
| 2.1 GPS轨迹和停留点 | 第17-18页 |
| 2.1.1 GPS轨迹 | 第17页 |
| 2.1.2 停留点 | 第17-18页 |
| 2.2 兴趣区域 | 第18-19页 |
| 2.3 轨迹模式 | 第19-21页 |
| 2.3.1 关于轨迹模式的一些定义 | 第19-20页 |
| 2.3.2 轨迹模式挖掘方法 | 第20-21页 |
| 2.4 用户相似度 | 第21-27页 |
| 2.4.1 两个轨迹模式间的相似度 | 第21-24页 |
| 2.4.2 两个用户的相似度计算 | 第24-27页 |
| 第3章 算法和具体实现 | 第27-43页 |
| 3.1 停留点检测与合并算法 | 第27-29页 |
| 3.1.1 停留点检测算法 | 第27-28页 |
| 3.1.2 停留点合并函数 | 第28-29页 |
| 3.2 停留点聚类算法 | 第29-34页 |
| 3.2.1 局部异类因子 | 第29-32页 |
| 3.2.2 层次聚类 | 第32-34页 |
| 3.3 轨迹模式挖掘 | 第34-38页 |
| 3.3.1 模式挖掘过程的简要介绍 | 第34-36页 |
| 3.3.2 T-pattern Miner | 第36-37页 |
| 3.3.3 T-pattern Miner的语法结构 | 第37页 |
| 3.3.4 输入格式 | 第37页 |
| 3.3.5 输出格式 | 第37-38页 |
| 3.4 相似度衡量方法 | 第38-43页 |
| 3.4.1 两个模式序列间的相似度 | 第38-42页 |
| 3.4.1.1 抽取最长公共子序列 | 第38-41页 |
| 3.4.1.2 计算时间覆盖率 | 第41-42页 |
| 3.4.1.3 计算模式序列间的相似度 | 第42页 |
| 3.4.2 两个用户间的相似度 | 第42-43页 |
| 第4章 实验结果及分析 | 第43-63页 |
| 4.1 数据集 | 第43-44页 |
| 4.2 参数设置 | 第44-55页 |
| 4.2.1 停留点的检测与合并算法 | 第44-46页 |
| 4.2.2 生成兴趣区域 | 第46-53页 |
| 4.2.2.1 局部异类因子 | 第46-50页 |
| 4.2.2.2 层次聚类 | 第50-53页 |
| 4.2.3 轨迹模式挖掘 | 第53-55页 |
| 4.3 算法评估过程 | 第55-63页 |
| 4.3.1 聚类算法之间的比较 | 第55-57页 |
| 4.3.2 相似度衡量算法之间的比较 | 第57-63页 |
| 第5章 总结与展望 | 第63-66页 |
| 5.1 本文提出方法的总结 | 第63-64页 |
| 5.2 本文实验结果的总结 | 第64-65页 |
| 5.2.1 参数设置部分的实验 | 第64页 |
| 5.2.2 方法评估部分的实验 | 第64-65页 |
| 5.3 未来工作 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间发表的学术论文目录 | 第71-72页 |
| 攻读学位期间参与科研项目情况 | 第72-73页 |
| 学位论文评阅及答辩情况表 | 第73页 |