检索结果-南通市图书馆

检索条件"主题词=时间连续亚频繁co-location模式"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于星型模型的时空亚频繁co-location模式挖掘

基于星型模型的时空亚频繁co-location模式挖掘

引用

作者：李新源云南大学

学位级别：硕士

随着信息技术的发展,空间数据激剧增长,空间数据挖掘变得炙手可热。空间co-location模式挖掘是空间数据挖掘的重要分支,在现实生活中有着广泛应用。传统co-location模式挖掘只考虑形成团的特征实例,可能忽略了特征之间的一些非团的重要... 详细信息

随着信息技术的发展,空间数据激剧增长,空间数据挖掘变得炙手可热。空间co-location模式挖掘是空间数据挖掘的重要分支,在现实生活中有着广泛应用。传统co-location模式挖掘只考虑形成团的特征实例,可能忽略了特征之间的一些非团的重要空间关系。为此,亚频繁co-location模式提出星型模型及星型实例,用以挖掘没有形成团的特征之间的重要空间关系。在空间数据中,时间是一个重要维度,空间实例会随着时间的变化而出现或消失,其位置也会随时间改变。因此,在co-location模式挖掘中,需要考虑时间因素。然而,现有亚频繁co-location模式挖掘没有较好地考虑时间因素。为此,本文基于星型模型,研究时空亚频繁co-location模式挖掘,主要工作如下:一、考虑空间实例的位置时变性,研究时空亚频繁co-location模式挖掘。首先,分析如何恰当地将时间信息引入亚频繁模式挖掘中,定义了度量时空亚频繁模式的指标:时间亚频繁度。其次,证明时间亚频繁度的向下闭合性质,并利用该性质缩减搜索空间,提出了有效的时空亚频繁co-location模式挖掘算法STSCP（SpatioTemporal Sub-prevalent co-location Patterns）。最后,在八个不同规模的数据集上进行实验,验证了在实例数、时间片数、时间亚频繁阈值、空间亚频繁阈值等参数的影响下,所提STSCP算法均具有较高效率。此外,与PTBA（Prefix-Tree-Based Algorithm）算法相比,本文所提STSCP算法能够依据用户设定的时间亚频繁阈值,发现不同出现频度的时空亚频繁模式,可以挖掘更符合用户需求、更具有丰富语义和实用价值的模式。二、考虑时间的连续性,研究时间连续亚频繁co-location模式挖掘。首先,给出了相关概念并定义了两个度量时间连续亚频繁模式的指标:时空参与率和时空参与度。其次,提出了一种时间连续亚频繁co-location模式挖掘算法TCSCP（Time continuous Sub-prevalent co-location Patterns）。最后,在三个不同规模的数据集上进行实验,验证了在不同距离阈值、时间阈值以及时空亚频繁阈值的影响下,所提TCSCP算法均具有良好的效率。此外,与PTBA算法和STSCP算法相比,TCSCP算法挖掘的模式数量最少,可以缩小模式范围,更准确地找到用户所需模式。

关键词：空间数据挖掘亚频繁co-location模式时空亚频繁co-location模式时间连续亚频繁co-location模式

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：