没有合适的资源?快使用搜索试试~
我知道了~
文库首页
开发技术
其它
基于相似轨迹的路网频繁轨迹模式挖掘
基于相似轨迹的路网频繁轨迹模式挖掘
研究论文
1 下载量
152 浏览量
2021-04-15
16:06:30
上传
评论
收藏
1.3MB
PDF
举报
温馨提示
立即下载
基于相似轨迹的路网频繁轨迹模式挖掘
资源推荐
资源评论
近似到达时间约束下的语义轨迹频繁模式挖掘.pdf
浏览:97
近似到达时间约束下的语义轨迹频繁模式挖掘.pdf
基于FP-Tree模型的频繁轨迹模式挖掘方法
浏览:61
基于FP-Tree模型的频繁轨迹模式挖掘方法
基于FP_参考树_表的频繁模式挖掘算法
浏览:174
基于FP_参考树_表的频繁模式挖掘算法 基于FP_参考树_表的频繁模式挖掘算法
论文研究-挖掘语义轨迹频繁模式及拼车应用研究.pdf
浏览:87
现有各种轨迹分析主要利用聚类方法从多用户轨迹中挖掘公共停留点、计算用户相似度以发现热点、提取近似人群的公共属性,对同一用户计算相似度也无商业价值,因此很少对单用户轨迹分析展开研究。提出了基于地点语义的个体用户轨迹频繁模式挖掘方法。先逆地理编码求得语义轨迹并进行预处理从而求取Top-[k]候选频繁地点项集,进而采用时空序列求交集和分治归并方法,将长项集的频繁迭代计算转化为分层集合正则运算,从而求出频
基于Spark的并行频繁模式挖掘算法
浏览:131
在大数据环境下Apriori频繁模式挖掘算法在数据处理过程具有预先设定最小阈值、时间复杂度高等缺陷,为此采用多阶段挖掘策略实现并行化频繁模式挖掘算法PTFP-Apriori。首先将预处理数据以模式树的形式存储,通过最为频繁的k个模式得到最优阈值。然后根据该值删除预期不能成长为频繁的模式以降低计算规模,并利用弹性分布式数据集RDD完成统计项集支持度计数、候选项集生成的工作。实验分析表明相比于传统的频
论文研究-基于路网的LBSN用户移动轨迹聚类挖掘方法.pdf
浏览:101
基于LBSN(基于位置的社交网络)中数据的地理和社交属性, 结合用户轨迹和好友关系, 有助于提高不确定轨迹聚类挖掘的效率。根据LBSN用户的好友关系特征, 引入评分函数, 对用户影响力进行排序, 找出其中的活跃用户; 在...
基于多尺度空间划分与路网建模的城市移动轨迹模式挖掘
浏览:162
基于多尺度空间划分与路网建模的城市移动轨迹模式挖掘
基于GPS轨迹的矢量路网地图自动生成方法.pdf
浏览:140
基于GPS轨迹的矢量路网地图自动生成方法.pdf
基于Python进行频繁模式挖掘实验【100012177】
浏览:112
5星 · 资源好评率100%
关联分析常常用于从大规模数据库中寻找元素的隐含关系,是数据仓库中数据挖掘的最常用的方法。本实验旨在实现基本的数据挖掘算法(Apriori 算法),选取部分数据集数据进行挖掘。在探寻数据隐含关系的同时,试图评估数据挖掘算法的性能和特性。 本报告主要包括以下部分: 实验原理(包括算法详细描述、算法特点等) 实验环境搭建(数据集的选取、挖掘的问题、编程环境简述) 实验发现 算法性能分析 本报告的核心
基于路网的LBSN用户移动轨迹聚类挖掘方法 (2013年)
浏览:40
基于LBSN(基于位置的社交网络)中数据的地理和社交属性, 结合用户轨迹和好友关系, 有助于提高不确定轨迹聚类挖掘的效率。根据LBSN用户的好友关系特征, 引入评分函数, 对用户影响力进行排序, 找出其中的活跃用户; 在传统路网子轨迹匹配和对签到数据清理的基础上, 加入子轨迹匹配准确性监测, 并存储活跃用户匹配成功的路段, 进而减少路网匹配时间。最后综合R*树的空间索引机制和DBSCAN聚类算法对
基于位对象的最大频繁模式挖掘算法 (2008年)
浏览:189
提出了基于位对象的最大频繁模式挖掘算法.算法中,用位对象表示数据,并用位对象概念改进FP- Tree.用深度优先搜索策略,通过压缩数据库,并用位对象的特性简化模式支持度的计数,使挖掘时不需产生条件FP-Tree和候选项目集,以提高最大频繁模式的挖掘效率.实验结果验证了BFP-Miner的有效性.
基于流立方体的数据流频繁模式挖掘算法1
浏览:125
摘要:针对关系型数据流,提出一种基于流立方体框架的频繁模式挖掘算法。通过数据流的不断到达动态地创建流立方体来保存近期数据流信息,当用户提出查询请求时在以创建的流
基于SQL的频繁模式挖掘算法.pdf
浏览:139
基于SQL的频繁模式挖掘算法.pdf
基于卡车的海量GPS轨迹数据的矿区路网自动更新技术
浏览:147
针对露天矿区道路网随环境的不断变化,运用矿用卡车的海量移动轨迹数据,实现矿区路网的自动更新技术。通过对轨迹数据的精度进行分析评价,筛选出可靠数据,并对数据应用改进后的DBSCAN密度聚类算法来获取聚类点簇,然后...
论文研究-基于划分的高效异常轨迹检测.pdf
浏览:150
为了在海量轨迹数据库中高效准确地挖掘出异常轨迹,提出了基于划分的异常轨迹检测算法。该算法通过计算局部轨迹点之间的匹配程度来探测异常轨迹,将异常轨迹检测由形状匹配问题转化为传统的异常点检测问题,并设计了...
崂山驴友轨迹路网地图png
浏览:149
5星 · 资源好评率100%
导出png格式整图,来源自两步路UGC
基于路网的GPS轨迹在线压缩方法.pdf
浏览:135
基于路网的GPS轨迹在线压缩方法.pdf
基于云计算的路网查询系统.pdf
浏览:69
基于云计算的路网查询系统pdf,提供“基于云计算的路网查询系统”免费资料下载,主要包括云计算技术、基于云计算的路网查询系统等内容,可供学习使用。
面向移动时空轨迹数据的频繁闭合模式挖掘
浏览:110
移动泛在感知设备的广泛普及为移动轨迹数据的大规模采集、存储与分析开拓了广阔的空间。通过对用户的移动轨迹数据进行分析挖掘,发现其中所蕴含的有价值的行为模式与特征,对于基于位置的服务(Location-based Service,LBS),城市交通管理,精准广告营销等领域均具有重要的价值。文中针对移动轨迹频繁模式规模过大、信息冗余问题定义了频繁闭合移动轨迹模式,以经典闭合序列模式挖掘算法为基础提出了适
基于图数据库的空间频繁并置模式挖掘.docx
浏览:198
基于图数据库的空间频繁并置模式挖掘.docx
基于频繁模式树的正负项目集挖掘 (2012年)
浏览:178
传统的基于支持度一置信度框架的关联规则挖掘方法可能会产生大量不相关的、甚至是误导的关联规则,同时也不能区分正负关联规则。在充分考虑用户感兴趣模式的基础上,采用一阶谓词逻辑作为用户感兴趣的背景知识表示技术,提出了一种基于背景知识的包含正负项目集的频繁模式树,给出了针对正负项目集的约束频繁模式树的构造算法NCFP-Construct,从而提高了关联规则挖掘的效率和针对性,实验结果显示该方法是有效的。
基于后缀自动机的轨迹模式挖掘方法 (2016年)
浏览:69
This paper researched the prediction for moving object’s trajectory based on the traffic network, and proposed a variable order Markov model mining method based on suffix automaton by combining the se
基于卡车的海量GPS轨迹数据的矿区路网自动更新技术.pdf
浏览:152
基于卡车的海量GPS轨迹数据的矿区路网自动更新技术.pdf
论文研究-基于简化路网模型的城市实时路况监控方法.pdf
浏览:163
针对该问题, 提出了一种基于简化路网模型的实时路况判别方法。该方法通过在道路通行数据采集时将各种类型的交叉口都抽象为一个节点, 并将在交叉口的延误时间计入相连道路的通行时间, 然后在监控时针对不同类型节点...
基于GISDK的路网构建与分析
浏览:114
基于GISDK的路网构建与分析,李大韦,程琳,在工程实践中,常需要将其他格式矢量图导入TransCAD中以构建路网。本文结合实例,针对导入后产生的线层连通性问题,总结了虚连接的�
论文研究-基于路网可达性的交通控制子区划分方法研究.pdf
浏览:117
以北京市亦庄林肯公园地区路网为例的仿真结果表明:基于路网可达性的子区划分,可以找到路网中关联最为紧密的顶点群,且以子区内部路段的占有率方差作为评价指标可以保证子区内部路段状态的相似性,为子区划分的优化...
评论
收藏
内容反馈
立即下载
资源评论
资源反馈
评论星级较低,若资源使用遇到问题可联系上传者,3个工作日内问题未解决可申请退款~
联系上传者
评论
weixin_38499950
粉丝: 4
资源:
941
私信
上传资源 快速赚钱
我的内容管理
展开
我的资源
快来上传第一个资源
我的收益
登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏
我的下载
下载帮助
前往需求广场,查看用户热搜
最新资源
ODX2.2.0 C#解析代码
19990年-2022年地级市专利授权数
基于layui的汽车租赁设计(免费提供源码)
python-3.8.19-amd64-full.exe
大集合.cpp,建议不要运行
Excel模版:工资条生成工具
【VisualBasic】仿瑞星小狮子界面.7z
应用宝.apk
G41主板配WIN8-WIN8.1-VISTA-WIN7系统的驱动包
新文档 2024-04-27 16:24:45.pdf
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功