轨迹数据中时空规律的自动发现方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 时间规律挖掘 | 第11页 |
| 1.2.2 空间规律挖掘 | 第11-12页 |
| 1.2.3 时空规律挖掘 | 第12-13页 |
| 1.3 论文主要研究内容和组织结构 | 第13-15页 |
| 1.3.1 论文主要研究内容 | 第13页 |
| 1.3.2 组织结构 | 第13-15页 |
| 第2章 多粒度时间规律自动发现方法 | 第15-29页 |
| 2.1 问题提出 | 第15-16页 |
| 2.2 问题模型 | 第16-18页 |
| 2.2.1 问题定义 | 第16-17页 |
| 2.2.2 算法框架 | 第17-18页 |
| 2.3 算法AUTO-MTRD描述 | 第18-22页 |
| 2.4 实验结果及分析 | 第22-28页 |
| 2.4.1 实验数据集 | 第22-23页 |
| 2.4.2 算法Auto-MTRD评价指标 | 第23-24页 |
| 2.4.3 实验结果与评估 | 第24-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 空间区域自动划分方法 | 第29-43页 |
| 3.1 问题提出 | 第29-30页 |
| 3.2 算法CEAP相关工作 | 第30-31页 |
| 3.3 算法CEAP描述 | 第31-34页 |
| 3.4 实验结果与评估 | 第34-42页 |
| 3.4.1 实验数据集 | 第34页 |
| 3.4.2 实验结果与评估 | 第34-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 时空规律深度残差网络学习率自动化方法 | 第43-53页 |
| 4.1 问题提出 | 第43-44页 |
| 4.2 算法G4相关定义 | 第44-47页 |
| 4.2.1 梯度傅里叶级数 | 第44-45页 |
| 4.2.2 基于轨迹的深度残差网络 | 第45-47页 |
| 4.3 算法G4框架 | 第47页 |
| 4.4 算法G4描述 | 第47-48页 |
| 4.5 实验分析 | 第48-52页 |
| 4.5.1 实验数据集 | 第48-49页 |
| 4.5.2 超参数设置 | 第49-50页 |
| 4.5.3 算法G4评估 | 第50-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 论文总结 | 第53-54页 |
| 5.2 研究展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 附录A：攻读硕士期间发表的学术论文 | 第60页 |
