首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

面向移动对象的密度查询技术研究

摘要第5-7页
ABSTRACT第7-8页
第1章 引言第11-17页
    1.1 课题的研究背景及意义第11-14页
        1.1.1 基于位置服务的发展与应用第11-12页
        1.1.2 移动对象数据库的发展与应用第12-13页
        1.1.3 密度查询的应用及意义第13-14页
    1.2 本文主要工作第14-15页
    1.3 本文的组织结构第15-17页
第2章 相关工作概述第17-29页
    2.1 引言第17页
    2.2 密度查询第17-18页
    2.3 移动对象位置模型第18-22页
        2.3.1 线性预测模型第19页
        2.3.2 基于神经网络预测模型第19-20页
        2.3.3 基于频繁模式挖掘的位置预测模型第20-21页
        2.3.4 基于马尔可夫模型的位置预测第21-22页
    2.4 稀疏数据处理方法第22-27页
        2.4.1 稀疏数据介绍第22-23页
        2.4.2 张量分解算法第23-27页
    2.5 本章小结第27-29页
第3章 基于网格的移动对象密度查询第29-49页
    3.1 引言第29-30页
    3.2 问题描述第30-31页
    3.3 频繁区域挖掘与轨迹转换第31-34页
        3.3.1 基于网格分裂分层聚簇算法第31-33页
        3.3.2 轨迹数据转换第33-34页
    3.4 基于马尔可夫模型位置预测第34-38页
    3.5 密度查询第38-43页
        3.5.1 密度查询算法第38-40页
        3.5.2 基于组关系的密度查询算法第40-43页
    3.6 实验与性能分析第43-47页
        3.6.1 实验环境第43-44页
        3.6.2 实验数据第44页
        3.6.3 实验结果与分析第44-47页
    3.7 本章小结第47-49页
第4章 基于稀疏数据的密度查询第49-67页
    4.1 引言第49页
    4.2 问题描述第49-51页
    4.3 密度模型第51-55页
        4.3.1 基于POI的空间划分算法第51-53页
        4.3.2 张量构建第53-55页
    4.4 稀疏数据处理第55-59页
        4.4.1 特征提取第55-57页
        4.4.2 上下文感知张量分解算法(CATD)第57-59页
    4.5 实验结果与分析第59-64页
        4.5.1 实验环境第59页
        4.5.2 实验数据的描述与分析第59-62页
        4.5.3 实验评估标准第62页
        4.5.4 实验结果与分析第62-64页
    4.6 本章小结第64-67页
第5章 总结与展望第67-69页
    5.1 本文工作总结第67-68页
    5.2 未来展望第68-69页
参考文献第69-73页
致谢第73-75页
攻硕期间发表的论文及参加的项目第75页

论文共75页,点击 下载论文
上一篇:Web数据集成中基于贝叶斯模型的真值发现研究
下一篇:面向微博评论的观点挖掘系统的设计与实现