10.3969/j.issn.2095-2783.2017.08.014
基于时空密度算法的用户轨迹数据兴趣区域发现
在OPTICS(ordering points to identify the clustering structure)算法主要考虑空间信息的基础上,提出了时空密度(ST-OPTICS)算法,增加了处理噪声孤立点时考虑时间距离的方法,并对每一兴趣区域内部的轨迹点根据时间轴做二度聚类,结合Apriori算法挖掘出用户频繁的行为模式,从而实现对用户兴趣区域及行为模式的挖掘研究.通过微软Geolife数据验证算法有效,为下一步处理用户轨迹数据奠定了基础.
时空密度、兴趣区域、孤立点研究
12
TP391(计算技术、计算机技术)
中央高校基本科研业务费专项资金资助项目3262015T70, 3262016T28;北京市教育科学"十三五"规划2016年度立项课题CADA1604
2017-08-02(万方平台首次上网日期,不代表论文的发表时间)
共6页
916-921