基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对现有热点区域发现算法难以从轨迹数据集中准确识别活动热点的问题,提出了基于轨迹结构的热点区域发现框架(TS_HS).TS_HS由候选区域发现(CHSD)算法和热点区域过滤(HSF)算法组成.首先,使用基于网格相对密度的CHSD识别空间上的轨迹密集区域作为候选热点区域;然后,利用HSF根据候选区域中轨迹的活动特征和时间变化特征,筛选出移动对象活动频繁的热点区域.在Geolife数据集上进行的实验表明,与基于全局密度的热门区域发现算法(GD_HR)以及移动轨迹时空热点区域发现算法(SDHSRD)相比,TS_HS能更有效地解决多密度热点区域的识别问题.实验结果表明,TS_HS能够根据轨迹的活动特征准确发现移动对象的活动热点区域.
推荐文章
基于PLAZA的移动对象轨迹实时化简方法
移动对象
轨迹化简
PLAZA算法
区域过滤
实时化简
一种基于速度的移动对象轨迹简化算法
移动对象
离线轨迹简化
速度阈值
近似算法
基于兴趣热点的移动社交网络资源发现机制研究
移动社交
资源发现
马尔可夫
兴趣热点
基于回溯的移动对象时序轨迹在线化简方法
移动对象数据库
轨迹
化简
回溯
线性预测
时态距离
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于轨迹结构的移动对象热点区域发现
来源期刊 计算机应用 学科 工学
关键词 移动对象 轨迹结构 热点区域 轨迹数据 数据挖掘
年,卷(期) 2017,(1) 所属期刊栏目 2016年全国开放式分布与并行计算学术年会(DPCS2016)论
研究方向 页码范围 54-59,72
页数 7页 分类号 TP391.4
字数 7671字 语种 中文
DOI 10.11772/j.issn.1001-9081.2017.01.0054
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 孟凡荣 中国矿业大学计算机科学与技术学院 81 935 16.0 28.0
2 袁冠 中国矿业大学计算机科学与技术学院 15 169 5.0 13.0
3 吕绍仟 中国矿业大学计算机科学与技术学院 1 4 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (17)
共引文献  (65)
参考文献  (14)
节点文献
引证文献  (4)
同被引文献  (5)
二级引证文献  (3)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(5)
  • 参考文献(1)
  • 二级参考文献(4)
2007(3)
  • 参考文献(2)
  • 二级参考文献(1)
2009(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(4)
  • 参考文献(2)
  • 二级参考文献(2)
2012(4)
  • 参考文献(3)
  • 二级参考文献(1)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(3)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(3)
  • 二级引证文献(0)
2017(3)
  • 引证文献(3)
  • 二级引证文献(0)
2019(4)
  • 引证文献(1)
  • 二级引证文献(3)
研究主题发展历程
节点文献
移动对象
轨迹结构
热点区域
轨迹数据
数据挖掘
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用
月刊
1001-9081
51-1307/TP
大16开
成都237信箱
62-110
1981
chi
出版文献量(篇)
20189
总下载数(次)
40
论文1v1指导