第5章_空间统计建模_3_线(轨迹)模服气式分析.pptxVIP

第5章空间分析统计建模;2;3;4;5;6;7;8;9;时空轨迹数据;时空轨的模型;时空轨迹数据的表达;1基于全局回归模型的时空轨迹数据表达;2基于局部插值模型的时空轨迹数据表达;2基于局部插值模型的时空轨迹数据表达;3基于领域知识模型的时空轨迹数据表达;?;为了从时空轨迹数据中提取其相似性与异常，并发现其中有意义的模式，时空轨迹聚类分析方法被广泛采用。 该方法的主要目的是试图将具有相似行为的时空对象划分到一起，而将具有相异行为的时空对象划分开来。其关键是根据时空轨迹数据的特点，设计与定义不同轨迹间的相似性度量。 要将数据集划分成不同的类别，必须定义一种相似性的测度来度量同一类样本间的类似性和非同类样本间的差异性，而各种时空轨迹聚类方法间的主要区别也正是在于其相似性度量的不同。;两个对象之间的相似度(Similarity)是这两个对象相似程度的数值???量，相异度(Dissimilarity)是这两个对象差异程度的数值度量，距离(Distance)常被看作是相异度的同义词。 因而，两个对象越类似，它们的相似度就越高，相异度就越低，距离越小。 通常，相似度的取值范围是[0,1](0代表完全不相似，1代表完全相似)，而相异度(距离)的取值范围是[0,∞)(0代表完全相似，∞代表完全不相似)。 相似度与相异度通常是可以互相转化的，所以使用“相似性度量”作为相似度和相异度(距离)的统称。;