| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 轨迹聚类研究 | 第12-13页 |
| 1.2.2 热点区域挖掘研究现状 | 第13-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 论文结构 | 第15-17页 |
| 第二章 时空轨迹数据挖掘概述 | 第17-28页 |
| 2.1 时空轨迹数据 | 第17-18页 |
| 2.1.1 轨迹数据的基本概念 | 第17页 |
| 2.1.2 轨迹的组成 | 第17-18页 |
| 2.2 轨迹时空距离度量 | 第18-22页 |
| 2.3 聚类算法研究 | 第22-26页 |
| 2.3.1 基于划分的聚类 | 第23-24页 |
| 2.3.2 基于层次的聚类 | 第24-25页 |
| 2.3.3 基于密度的聚类 | 第25-26页 |
| 2.4 热点区域分布探测 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于网格空间的轨迹时空距离度量算法GTTSD | 第28-45页 |
| 3.1 引言 | 第28-30页 |
| 3.2 相关定义 | 第30-31页 |
| 3.3 轨迹分割 | 第31-32页 |
| 3.4 网格划分 | 第32-33页 |
| 3.5 轨迹时空相似性度量 | 第33-38页 |
| 3.5.1 轨迹空间相似性 | 第33-34页 |
| 3.5.2 轨迹时间相似性 | 第34页 |
| 3.5.3 轨迹时空相似性 | 第34-35页 |
| 3.5.4 轨迹时空距离 | 第35-38页 |
| 3.6 实验设计与分析 | 第38-44页 |
| 3.6.1 存储资源开销对比 | 第38-39页 |
| 3.6.2 算法执行时间对比 | 第39-40页 |
| 3.6.3 算法准确度对比 | 第40-44页 |
| 3.7 本章小结 | 第44-45页 |
| 第四章 基于轨迹聚类的热点区域空间分布模型研究 | 第45-65页 |
| 4.1 引言 | 第45-46页 |
| 4.2 DBSCAN算法 | 第46-48页 |
| 4.2.1 相关概念 | 第46-47页 |
| 4.2.2 算法步骤 | 第47页 |
| 4.2.3 算法缺陷 | 第47-48页 |
| 4.3 基于K-均值的DBSCAN算法参数自适应优化 | 第48-54页 |
| 4.3.1 算法基本思想 | 第48-49页 |
| 4.3.2 K-均值中K的确定 | 第49-51页 |
| 4.3.3 基于K-均值的DBSCAN算法参数初始确定 | 第51-53页 |
| 4.3.4 参数的动态调整及轨迹聚类 | 第53-54页 |
| 4.4 热点区域探测 | 第54-56页 |
| 4.4.1 显著类簇及停留斑点提取 | 第55页 |
| 4.4.2 停留斑点热度及热点区域探测 | 第55-56页 |
| 4.5 实验结果及分析 | 第56-64页 |
| 4.5.1 实验环境和实验数据 | 第56页 |
| 4.5.2 参数准确度及聚类结果分析 | 第56-59页 |
| 4.5.3 热点区域探测结果与分析 | 第59-64页 |
| 4.6 本章小结 | 第64-65页 |
| 第五章 车辆轨迹数据综合挖掘系统的设计与实现 | 第65-74页 |
| 5.1 系统介绍 | 第65页 |
| 5.1.1 系统目标及实现 | 第65页 |
| 5.1.2 开发环境 | 第65页 |
| 5.2 系统总体设计 | 第65-68页 |
| 5.2.1 总体设计流程 | 第65-66页 |
| 5.2.2 系统总体结构 | 第66-68页 |
| 5.3 功能模块详细设计与实现 | 第68-71页 |
| 5.3.1 数据管理模块设计与实现 | 第68-69页 |
| 5.3.2 分析模块设计与实现 | 第69-70页 |
| 5.3.3 展示模块设计与实现 | 第70-71页 |
| 5.4 系统展示 | 第71-73页 |
| 5.5 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 总结 | 第74页 |
| 6.2 展望 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 攻硕期间取得的研究成果 | 第82-83页 |
