一种基于轨迹数据的频繁环同位模式挖掘方法技术

该方法采用逐阶合并的策略，即通过逐渐合并低阶模式以生成更高阶的模式，从而能够从轨迹数据中挖掘出所有频繁的环同位模式。考虑到轨迹数据具有空间和时间属性，这使得挖掘工作相对较为繁琐和复杂。因此，我们选择将轨迹数据转换为事务型数据，以便更有效地进行挖掘。为了在挖掘过程中减少冗余模式的出现，我们提出了三个剪枝策略，即二阶线性模式剪枝、候选线性模式剪枝和候选环模式剪枝策略。这些策略能够有效地过滤掉那些无法生成环同位模式的模式。由于环模式具备循环的特性，因此在最终的结果集中，我们对模式进行了筛选操作，以确保结果的准确性。所挖掘的环同位模式可以利用在旅游推荐，生物链，大气循环等方面。另外，为了验证挖掘结果的准确性，我们还创建了首个专门用于环同位模式挖掘的合成数据集。

【技术实现步骤摘要】

本专利技术涉及空间数据挖掘，同位模式挖掘和轨迹模式挖掘等技术邻域，尤其涉及一种基于轨迹数据的频繁环同位模式挖掘方法。

技术介绍

1、同位模式挖掘是空间数据挖掘中的一个重要分支，一种普遍的同位模式代表了空间特征的一个子集，其实例经常在空间邻域中共同出现。空间同位模式挖掘的目的是在各种领域中找到有趣且频繁的同位模式特征。例如，同位模式可以帮助植物学家发现一个区域内植被的共生关系，或者帮助医务人员找到感染源并控制病毒的传播。

2、传统的基于团关系的同位模式判断条件太过于严格导致许多有趣的模式被忽略，因此我们所提出的基于环关系的同位模式挖掘，但又因为基于点数据的环同位模式所表达的现实意义较差，因此本文引入了轨迹数据来对环模式进行挖掘。

3、轨迹数据是记录个体或对象在空间中移动路径的数据集。随着其提供的移动模式、路线选择和位置偏好等方面的关键见解，其价值日益突出。轨迹挖掘任务主要分为轨迹不确定性、轨迹模式挖掘、轨迹分类和轨迹异常检测。为了减少从顺序模式算法中提取出的众多且难以解释的模式，轨迹模式施加了关于两个连续元素之间的过渡时间间隔的限制，本文档来自技高网...

【技术保护点】

1.一种基于轨迹数据的频繁环同位模式挖掘方法，其特征在于，包括下列步骤：

2.如权利要求1所述的基于轨迹数据的频繁环同位模式挖掘方法，其特征在于，

3.如权利要求1所述的基于轨迹数据的频繁环同位模式挖掘方法，其特征在于，

4.如权利要求1所述的基于轨迹数据的频繁环同位模式挖掘方法，其特征在于，

5.如权利要求1所述的基于轨迹数据的频繁环同位模式挖掘方法，其特征在于，

6.如权利要求1所述的基于轨迹数据的频繁环同位模式挖掘方法，其特征在于，

7.如权利要求1所述的基于轨迹数据的频繁环同位模式挖掘方法，其特征在于，...

【技术特征摘要】

1.一种基于轨迹数据的频繁环同位模式挖掘方法，其特征在于，包括下列步骤：

2.如权利要求1所述的基于轨迹数据的频繁环同位模式挖掘方法，其特征在于，

3.如权利要求1所述的基于轨迹数据的频繁环同位模式挖掘方法，其特征在于，

4.如权利要求1所述的基于轨迹数据的频繁环同位模式挖掘方法，其特征在于，

5.如权利要求1所述的基于轨迹数据的频...

【专利技术属性】
技术研发人员：包旭光，耿泽政，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：