基于时空密度算法的用户轨迹数据兴趣区域发现
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于时空密度算法的用户轨迹数据兴趣区域发现
周新丽;桑梓森;张越
【期刊名称】《中国科技论文》
【年(卷),期】2017(012)008
【摘要】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.
【总页数】6页(P916-921)
【作者】周新丽;桑梓森;张越
【作者单位】国际关系学院信息科技学院, 北京 100091;国际关系学院信息科技学院, 北京 100091;国际关系学院信息科技学院, 北京 100091
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于用户紧密度的在线社会网络社区发现算法 [J], 熊正理;姜文君;王国军
2.基于用户紧密度的微博网络社区发现算法 [J], 韦庆杰;李京腾;汪雨
3.基于时空密度算法的用户轨迹数据兴趣区域发现 [J], 周新丽;桑梓森;张越;
4.基于用户轨迹数据的用户兴趣区域推荐 [J], 龙玉绒; 王丽珍; 陈红梅
5.基于用户轨迹数据的用户兴趣区域推荐 [J], 龙玉绒; 王丽珍; 陈红梅
因版权原因，仅展示原文概要，查看原文内容请购买。