Chap4-3轨迹模式挖掘剖析.pptxVIP

;目录;真实位置感知：淹没在数据中，却缺乏知识 轨迹模式挖掘 是数据挖掘中新兴、快速发展的主题 关注轨迹相似形的分组 应用 交通优化 预测 动物运动分析，社会分析 团队运动赛事分析 交通分析;模式发现过程;轨迹的挖掘任务 轨迹聚类：基于空间/时空的几何估计进行分组 轨迹联合：给定两个轨迹数据库，检索所有的相似对 空间和时空模式;轨迹模式的颗粒度 全局模式（基本单元是整体轨迹） vs. 部分模式（关注部分轨迹） 独立模式（独立对象） vs. 群组模式（不同对象的共同模式） 轨迹模式的约束 空间约束: 在空间网络上运动 时间约束: 周期性 ;关键特征： 识别移动对象轨迹的相似运动 相对运动：分析轨迹到运动属性 (速度, 运动方位角). 模式类型 基本运动: constance, concurrence, trendsetter. 空间运动: track, flock, leadership. 聚合/分离运动: convergence, encounter, divergence, breakup.;描述移动事件，不考虑绝对位置 定义 Constance：连续时间序列的相等运动属性. Concurrence：有相等运动属性的多一个对象 Trendsetter：一组的共享目标的运动图形. E.g., “constance” + “concurrence.”;基本运动模式+