原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
面向海量数据的空间co-location模式挖掘新算法.pdf
ISSN 1673．9418 CODEN JKYTA8
E—mail：fcst@vip．163．com
JournalofFrontiersofComputerScienceandTechnology
http：／w／ww．ceaj．org
1673--94182／015／09(01)-·0024--12
Tel：+86．10
doi：10．3778~．issn．1673—9418．1407037
面向海量数据的空间CO—location模式挖掘新算法
姚华传 ，王丽珍 ，陈红梅 ，邹 目权
云南大学 信息学院 计算机科学与工程系，昆明 650091
SpatialCo—locationPatternsM iningAlgorithm overM assiveSpatialDataSets
YAO Huachuan，WANGLizhen~，CHEN Hongmei，ZOU Muquan
DepartmentofComputerScienceandEngineering，SchoolofInformationScienceandEngineering，YunnanUniversity,
Kunm ing650091，China
+Correspondingauthor：E—mail：lizhwang2005@126．com
YAO Huachuan，WANG Lizhen，CHEN Hongmei，eta1．SpatialCO—locationpatternsminingalgorithm over
massivespatialdatasets．JournalofFrontiersofComputerScienceandTechnology,2015，9(1)：24-35．
Abstract：SpatialCO—locationpattemsminingisai1importanttaskinspatialdatamining，buttheefficienciesofrnaning
timenadspacearelow fortraditionalminingalgorithmsofdeterminationdataanduncertaindata，nottomentionhte
massivedata．Therefore．basedontheanalysisofwhytraditionalminingalgorithmsconsumedexcessivetimeand
spaceresources，thispaperproposesa ddifferentialalgorithm tominespatialCO-locationpatterns．Thenew algorithm
dividesthertaditionalgridsintodifferentialones，andhtencalculatesthecentroidsofinstancesthatbelongtohtesame
featureofreachdifferential d．Finally,basedonhtesecenrtoids，theCO-locationpatternsareminedwihtmultiresolution
prun ingmehtod．Theproposedalgoritmh rgeatlyimproveshteoverallefficiencyandhasahighaccuracyrate，which
beaersolvestheproblem ofminingspatialCO—locationpa~ernsfrom amassivedataset．Extensiveexperimentsshow
thatthegriddifferentialalgoritmh hastheadvanatgesofhighefficiency,robustnessandhighaccuracyandSOon．
文档评论（0）