一种时空伴随对象挖掘方法、终端设备及存储介质技术

本发明专利技术涉及一种时空伴随对象挖掘方法、终端设备及存储介质，该方法包括：接收用于时空伴随对象挖掘的数据，并对接收的所有数据进行两两分组，针对每一组数据均计算其属于时空伴随对象的综合置信度，根据综合置信度大小的排序确定每个数据对应的时空伴随对象。本发明专利技术通过对关联的时空离散度刻画，更能确定关联的可靠性，提高时空伴随对象挖掘的准确度，为使用者提供最可靠的线索，便于其迅速追踪目标多维最新动向，同时也为多维融合推荐打下良好基础。础。础。

【技术实现步骤摘要】
一种时空伴随对象挖掘方法、终端设备及存储介质


[0001]本专利技术涉及数据挖掘领域，尤其涉及一种时空伴随对象挖掘方法、终端设备及存储介质。

技术介绍

[0002]随着无线通信和移动计算计数以及全球定位和导航系统的快速发展，时空数据不断增多，出现了大量时空伴随对象挖掘的算法，但是普遍采取下面几种方式去挖掘伴随对象：
[0003]第一种是最基础的，纯粹通过计算频繁集的apriori相似算法，简单的靠频次去堆砌关联的可信度，这种方法不仅占用了大量的关联存储，且所挖掘出的关联价值极低。
[0004]第二种是结合geohash网格的轨迹相似的方法，这种方法虽然不单纯只是看频次，但是其忽略了关联的时空离散性的特性，会导致同样发生2次关联，无法区分出2次关联距离相差更远的可靠性会更高。实际场景如下：A与B分别在相距100米的C1和C2发生2次关联，A与C分别在相距3000米的C1和C2发生2次关联；人为主观都会认为A和C会更可靠，A与B可能是偶遇，但是只利用轨迹相似度的方法无法确认A与谁关系更紧密。
[0005]因此，现有的时空轨迹本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种时空伴随对象挖掘方法，其特征在于，包括：接收用于时空伴随对象挖掘的数据，并对接收的所有数据进行两两分组，针对每一组数据均计算其属于时空伴随对象的综合置信度，根据综合置信度大小的排序确定每个数据对应的时空伴随对象。2.根据权利要求1所述的时空伴随对象挖掘方法，其特征在于：综合置信度为每组中两个数据之间的有效关联次数、有效关联天数、最大空间离散度和最近活跃度四个指标得分的加权和。3.根据权利要求1所述的时空伴随对象挖掘方法，其特征在于：两个数据之间的有效关联次数指标的计算方法为：S101：计算两个数据之间的关联次数；S102：针对该两个数据之间的所有关联按照关联时间排序后，针对任意相连的两次关联，判断判断该两次关联之间是否具有时空离散型，如果不具有，令关联次数减1，将所有相连的两次关联均判断完毕后得到的关联次数作为有效关联次数。4.根据权利要求3所述的时空伴随对象挖掘方法，其特征在于：步骤S101中两个数据之间的关联次数的计算方法为：如果两个数据在相近的时间点出现在相近的地点，则设定两个数据之间的关联次数加1。5.根据权利要求4所述的时空伴随对象挖掘方法，其特征在于：两个数据在在相近的时间点的判定方法为：两个数据的采集时间戳对应的时间差小于时间差阈值。6.根据权利要求4所述的时空伴随对象挖掘方法，其特征在于：两个数据在在相近的地点的判定方法为：两个数据中的一个数据的采集地点对应的网格化地点为以另一个数据的采集地点对应的网格化地点为中心的M*M宫格内，M表示M格的行数和列数。7.根据权利要求3所述的时空伴随对象挖掘方法，其特征在于：步骤S102中两次关联之间是否具有时空离散型的判断方法为：当两次关联之间的关联时间间隔小于时间间隔阈值，且关联地点距离小于距离阈值时，判定两次关联之间不具有时空离散型；否则，判定两次关联之间具有时空离散型。8.根据权利要求1所述的时空伴随对象挖掘方法，其特征在于：两个数据之间的有效关联天数为该两个数据之间发生的所有关联的总的自然天数。9.根据权利要求1所述的时空伴随对象挖掘方法，其特征在于：两个数据之间的最大空间离散度根据该两个数据之间发生的所有关联中的最小经纬度和最大经纬度进行计算。10.根据权利要求9所述的时空伴随对象挖掘方法，其特征在于：两个数据之间的最大空间离散度distance的计算公式为：radLat1＝latitud...

【专利技术属性】
技术研发人员：魏超，施翔飞，梁煜麓，蓝坤宏，吴顺平，陈雁聪，
申请(专利权)人：厦门市美亚柏科信息股份有限公司，
类型：发明
国别省市：