移动轨迹聚类方法研究综述
轨迹数据是人类移动行为的表征,能够映射出人的出行模式和社会属性等信息.怎样有效挖掘轨迹数据蕴藏的人类活动规律一直是研究的热点.通过轨迹聚类发现行为相似的类簇,从而探究群体的移动模式是轨迹挖掘和深度应用常见的方法之一.本文首先根据轨迹数据的特点,将轨迹数据模型分为轨迹点模型和轨迹段模型,并据此定义相应的相似性度量:空间相似性度量和时空相似性度量;然后,对两类模型的聚类方法进行了综述,并总结不同聚类算法的优缺点,以期为不同应用选取聚类算法提供科学依据;最后对移动轨迹数据聚类方法研究的发展趋势进行了讨论.
移动轨迹数据、数据挖掘、聚类方法、研究综述
P208(一般性问题)
山东省自然科学基金ZR2016DM02;中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室开放基金;国家自然科学基金41601421,41401460
2018-03-09(万方平台首次上网日期,不代表论文的发表时间)
共7页
1-7