数据挖掘中的模式发现（八）轨迹模式挖掘、空间模式挖掘

• Swarm
  
  • Time-relaxed convoy. 对象在时间上的倒数

挖掘语义丰富的运动模式(Mining Semantics-Rich Movement Patterns)

• 频繁移动模式：频繁出现在输入轨迹数据库中的移动序列
• 频繁移动模式与频繁连续模式：
  
  • 两者都旨在从输入序列数据库找到频繁的子序列
  • 对于挖掘频繁运动模式，类似地方（例如下图右图以功能分类）可能需要分组以共同形成频繁子序列

• 语义丰富的运动模式：
  
  • 除了知道人们如何移动，从一个地区到另一个地区，我们也想了解地区的功能
  • 例如，office和home可能是在相同的地方，有着相同的功能；也可能在不同的地方，有着不同的功能。如上图左图所示。

Step1

找到一组反映人们粗糙的语义级转换的模式。例如，办公室→餐馆，家庭→健身房。

粗糙的语义在之前讲的progressive refinement中说过，是一些粗糙的语义定义，比如，办公室、办公场所，甚至是一些更加具体的名词，如政府办等。

Step2

通过分组，将每个粗糙分类的相似图案分成几个细粒度图案运动片段。

论文：C. Zhang et al.,Splitter: Mining Fine-Grained Sequential Patterns in Semantic Trajectories,VLDB 2014

（编辑：惠州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!