移动对象位置预测关键技术的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第一章 绪论 | 第11-18页 |
| ·研究背景 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·国内外研究现状 | 第13-16页 |
| ·本文的主要内容和组织结构 | 第16-18页 |
| 第二章 移动数据库和移动对象位置预测相关技术 | 第18-27页 |
| ·移动对象和移动对象数据库 | 第18-21页 |
| ·移动对象的特点 | 第18页 |
| ·移动对象环境的特点 | 第18-19页 |
| ·移动对象数据库相关概念 | 第19-20页 |
| ·移动对象管理技术 | 第20-21页 |
| ·移动对象数据分析与位置预测技术 | 第21-26页 |
| ·线性回归预测模型 | 第22页 |
| ·灰色 GM（1，1）预测 | 第22-23页 |
| ·基于神经网络的预测 | 第23-24页 |
| ·基于 Markov 模型的位置预测 | 第24页 |
| ·基于频繁轨迹的位置预测 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于频繁轨迹预测方法的改进 | 第27-58页 |
| ·关联规则 | 第27-33页 |
| ·关联规则挖掘技术的产生 | 第27页 |
| ·关联规则的研究现状 | 第27-29页 |
| ·关联规则的基本概念 | 第29-31页 |
| ·关联规则挖掘的典型算法 | 第31-33页 |
| ·Apriori 算法 | 第31-32页 |
| ·FP-growth 算法 | 第32-33页 |
| ·传统基于频繁轨迹的预测算法 | 第33-36页 |
| ·移动对象轨迹数据的特点 | 第33-34页 |
| ·频繁轨迹挖掘算法AprioriTraj | 第34-36页 |
| ·相关定义 | 第34页 |
| ·AprioriTraj 算法 | 第34-35页 |
| ·AprioriTraj 算法的不足 | 第35-36页 |
| ·TidTraj 算法 | 第36-51页 |
| ·轨迹数据的预处理 | 第36-38页 |
| ·相关定义及操作 | 第38-39页 |
| ·TidTraj 算法 | 第39-43页 |
| ·Tid_List | 第39-40页 |
| ·TidTraj 算法描述 | 第40-43页 |
| ·基于TidTraj 算法的预测 | 第43-45页 |
| ·实验结果及性能分析 | 第45-51页 |
| ·实验数据集选择 | 第45-47页 |
| ·实验结果及对比 | 第47-51页 |
| ·更新算法TidTrajUP | 第51-57页 |
| ·问题的提出 | 第51页 |
| ·TidTrajUP 算法描述 | 第51-55页 |
| ·实验与分析 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第四章 基于运动规则时效性的预测方法 | 第58-69页 |
| ·相关研究 | 第58-59页 |
| ·基于 AgTraj 的预测方法 | 第59-64页 |
| ·问题的提出 | 第59-60页 |
| ·AgTraj 算法 | 第60-64页 |
| ·时间段的划分 | 第60-61页 |
| ·支持度的计算 | 第61-62页 |
| ·AgTraj 算法描述 | 第62-64页 |
| ·实验及性能分析 | 第64-67页 |
| ·本章小结 | 第67-69页 |
| 第五章 结束语 | 第69-72页 |
| ·本文的总结 | 第69-70页 |
| ·进一步的研究方向 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77-78页 |
| 在学期间的研究成果及发表的学术论文 | 第78页 |
