基于轨迹数据的频繁项挖掘技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 论文组织结构安排 | 第13-14页 |
| 第二章 相关知识 | 第14-18页 |
| 2.1 支持度及频繁项 | 第14页 |
| 2.2 时空粒度 | 第14-16页 |
| 2.2.1 时间粒度 | 第15-16页 |
| 2.2.2 空间粒度 | 第16页 |
| 2.3 Clustering II算法简介 | 第16-17页 |
| 2.4 3D网格 | 第17页 |
| 2.5 本章小结 | 第17-18页 |
| 第三章 自适应多粒度停留区域识别方法 | 第18-25页 |
| 3.1 自适应多粒度停留区域识别方法概述 | 第18页 |
| 3.2 DBSCAN聚类算法 | 第18-20页 |
| 3.3 Clustering II算法 | 第20-22页 |
| 3.4 自适应多粒度停留区域识别方法实验 | 第22-24页 |
| 3.4.1 实验数据的选取 | 第22页 |
| 3.4.2 实验环境及平台 | 第22页 |
| 3.4.3 实验结果及分析 | 第22-24页 |
| 3.5 本章小结 | 第24-25页 |
| 第四章 轨迹数据中频繁时空项挖掘方法 | 第25-38页 |
| 4.1 GPS数据简介 | 第25-26页 |
| 4.2 时空项的定义 | 第26-27页 |
| 4.3 时空项的生成 | 第27-28页 |
| 4.4 挖掘时空频繁项时遇到的问题 | 第28-30页 |
| 4.5 将时空项映射到 3D网格 | 第30-32页 |
| 4.5.1 设置 3D单元网格大小 | 第30页 |
| 4.5.2 时空项映射思想 | 第30-31页 |
| 4.5.3 时空项映射算法 | 第31-32页 |
| 4.6 提取合并策略 | 第32-33页 |
| 4.7 轨迹数据中频繁时空项挖掘实验 | 第33-37页 |
| 4.7.1 实验数据的选取 | 第33-34页 |
| 4.7.2 参数的设置 | 第34页 |
| 4.7.3 实验环境及平台 | 第34-35页 |
| 4.7.4 实验结果及分析 | 第35-37页 |
| 4.8 本章小结 | 第37-38页 |
| 第五章 结论 | 第38-40页 |
| 参考文献 | 第40-42页 |
| 致谢 | 第42-43页 |
| 攻读硕士期间发表的论文及成果 | 第43页 |
