公开(公告)号：CN113779105B

公开(公告)日：2022-12-13

申请号：CN202110921144.0

申请日：2021-08-11

Applicant: 桂林电子科技大学

Inventor： 张敬伟 ,  张康威 ,  杨青 ,  陈亮 ,  陈劲方

IPC: G06F16/2458 ,  G06F16/26 ,  G06K9/62

Abstract: 本发明涉及轨迹数据技术领域，涉及一种分布式轨迹流伴随模式挖掘方法，包括以下步骤：一、数据预处理：根据地理区域的划分将数据划分为多个区域，得到分区边界，输出分区编号；二、监测不断到达的数据流；三、当前快照创建时间窗口，窗口大小为当前快照时间；四、根据分区编号执行Keyby算子，利用哈希函数分发到不同的节点；五、每个节点对接收到的当前分区的数据执行基于方向的密度聚类，并得到当前分区的密度聚类簇集合；六、进行聚类合并，输出合并后簇的集合；七、执行模式挖掘，与候选伴随集合取交集，生成新的候选伴随，并输出当前快照的伴随模式结果。本算法具有更快的处理速度。

公开(公告)号：CN113779105A

公开(公告)日：2021-12-10

申请号：CN202110921144.0

申请日：2021-08-11

Applicant: 桂林电子科技大学

Inventor： 张敬伟 ,  张康威 ,  杨青 ,  陈亮 ,  陈劲方

IPC: G06F16/2458 ,  G06F16/26 ,  G06K9/62

Abstract: 本发明涉及轨迹数据技术领域，涉及一种分布式轨迹流伴随模式挖掘方法，包括以下步骤：一、数据预处理：根据地理区域的划分将数据划分为多个区域，得到分区边界，输出分区编号；二、监测不断到达的数据流；三、当前快照创建时间窗口，窗口大小为当前快照时间；四、根据分区编号执行Keyby算子，利用哈希函数分发到不同的节点；五、每个节点对接收到的当前分区的数据执行基于方向的密度聚类，并得到当前分区的密度聚类簇集合；六、进行聚类合并，输出合并后簇的集合；七、执行模式挖掘，与候选伴随集合取交集，生成新的候选伴随，并输出当前快照的伴随模式结果。本算法具有更快的处理速度。

公开(公告)号：CN112269844A

公开(公告)日：2021-01-26

申请号：CN202011019669.7

申请日：2020-09-24

Applicant: 桂林电子科技大学

Inventor： 张敬伟 ,  刘绍建 ,  成静 ,  张康威 ,  杨青

IPC: G06F16/29 ,  G06K9/62 ,  G06F16/2458

Abstract: 本发明涉及轨迹数据处理技术领域，具体地说，涉及一种基于大规模轨迹数据的通用伴随模式分布式挖掘方法，其以下步骤：一、建立轨迹数据集；二、对轨迹数据集进行分布式聚类：通过DBSCANCD算法进行密度聚类；三、TCB算法以密度聚类结果作为输入，通过计算集合成员间的相似度，对边界点进行合理划分；四、对轨迹数据集进行分布式挖掘：GSPR算法对通用伴随模式挖掘的输入进行分割和重划分，然后通过SAE算法进行挖掘。本发明能够较佳地挖掘通用伴随模式。

公开(公告)号：CN112269844B

公开(公告)日：2021-08-06

申请号：CN202011019669.7

申请日：2020-09-24

Applicant: 桂林电子科技大学

Inventor： 张敬伟 ,  刘绍建 ,  成静 ,  张康威 ,  杨青

IPC: G06F16/29 ,  G06K9/62 ,  G06F16/2458

Abstract: 本发明涉及轨迹数据处理技术领域，具体地说，涉及一种基于大规模轨迹数据的通用伴随模式分布式挖掘方法，其以下步骤：一、建立轨迹数据集；二、对轨迹数据集进行分布式聚类：通过DBSCANCD算法进行密度聚类；三、TCB算法以密度聚类结果作为输入，通过计算集合成员间的相似度，对边界点进行合理划分；四、对轨迹数据集进行分布式挖掘：GSPR算法对通用伴随模式挖掘的输入进行分割和重划分，然后通过SAE算法进行挖掘。本发明能够较佳地挖掘通用伴随模式。