隨著對(duì)互聯(lián)網(wǎng)中的社會(huì)關(guān)系網(wǎng)絡(luò)的研究熱度不斷提高,物理世界中的軌跡移動(dòng)網(wǎng)絡(luò)也得到越來(lái)越多的關(guān)注。如何挖掘不同用戶(hù)在同一時(shí)間片段內(nèi)軌跡移動(dòng)的相似性,從中得到準(zhǔn)確的軌跡特征信息,已經(jīng)成為研究軌跡的重點(diǎn)。但是在現(xiàn)實(shí)生活中,用戶(hù)行為活動(dòng)產(chǎn)生的軌跡數(shù)據(jù)都是比較密集的,軌跡的數(shù)量在時(shí)間片段上的變化是遞增的,軌跡的地理信息在地圖上的顯示卻是無(wú)章法的,并且用戶(hù)在日�；顒�(dòng)中的移動(dòng)軌跡存在著行為交叉的問(wèn)題,因此,對(duì)軌跡集的數(shù)據(jù)進(jìn)行有效的行為特征分析增加了難度。軌跡數(shù)據(jù)主要包括用戶(hù)編碼、時(shí)間點(diǎn)、經(jīng)度、緯度和所在地理位置的水平面高度這五個(gè)特征。針對(duì)密集性大和交叉程度高的軌跡數(shù)據(jù)的行為分析時(shí),考慮到水平高度差影響較小,本文將軌跡數(shù)據(jù)轉(zhuǎn)換成由經(jīng)度緯度定義的時(shí)間序列,提出一種基于單源空間特征模型的稀疏子集分析算法,首先,對(duì)用戶(hù)移動(dòng)的軌跡之間進(jìn)行空間相似度測(cè)量,然后對(duì)相似性程度進(jìn)行稀疏分析,最后進(jìn)行全局最優(yōu)的子集聚類(lèi)。本文算法框架主要如下:(1)針對(duì)計(jì)算軌跡之間相似性度量準(zhǔn)確性的問(wèn)題,采用了時(shí)間序列挖掘-動(dòng)態(tài)時(shí)間歸整原理來(lái)歸整長(zhǎng)度不同的軌跡之間的最小距離,并使用這個(gè)距離矩陣定義軌跡的空間相似度矩陣。同時(shí)采用對(duì)特征矩陣進(jìn)...

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 主要研究?jī)?nèi)容和貢獻(xiàn)點(diǎn)
    1.4 論文結(jié)構(gòu)
第二章 社區(qū)定義與檢測(cè)
    2.1 社區(qū)定義
    2.2 特征矩陣分析
        2.2.1 語(yǔ)義特征矩陣
        2.2.2 空間特征矩陣
        2.2.3 時(shí)間特征矩陣
        2.2.4 速度特征矩陣
    2.3 社區(qū)檢測(cè)方法
第三章 基于稀疏子集分析的軌跡聚類(lèi)
    3.1 問(wèn)題定義
        3.1.1 特征矩陣度量
        3.1.2 稀疏子集分析
            3.1.2.1 稀疏矩陣定義
            3.1.2.2 異常值處理
            3.1.2.3 目標(biāo)函數(shù)優(yōu)化
        3.1.3 聚類(lèi)分析
    3.2 算法設(shè)計(jì)
第四章 實(shí)驗(yàn)分析
    4.1 軌跡數(shù)據(jù)集
    4.2 實(shí)驗(yàn)環(huán)境
    4.3 實(shí)驗(yàn)結(jié)果
        4.3.1 約束參數(shù)分析
        4.3.2 對(duì)比實(shí)驗(yàn)分析
總結(jié)與展望
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的成果
攻讀學(xué)位期間參與的科研項(xiàng)目
致謝



本文編號(hào)：3831181