多时间尺度密度聚类算法的案事件分析应用

发布时间：2018-04-30 22:36

本文选题：时空聚类 + 多时间尺度　；参考：《地球信息科学学报》2015年07期

【摘要】：时空聚类是数据挖掘研究的主要内容之一,在环境保护、疾病预防与控制、犯罪预防与打击等领域具有重要的应用价值。已有的时空聚类方法中,时间"距离"都认为是真实的间隔,而对于具有社会属性的案事件而言,其在不同时间尺度下具有明显的周期性特征,忽略这些特征将很难反映出案事件真实的时空规律。本文综合考虑多时间尺度下的时间属性,构建等效时空邻近域,并借鉴经典的密度聚类算法,提出了多时间尺度等效时空邻近域密度聚类算法(MTS-ESTN DBSCAN)。通过对福州市区2013年案事件数据的聚类分析表明,该方法在案事件时空聚类方面具有可行性,对于进一步深入研究城市犯罪地理具有一定的理论意义和实际价值。
[Abstract]:Spatio-temporal clustering is one of the main contents of data mining research. It has important application value in the fields of environmental protection, disease prevention and control, crime prevention and attack. In the existing spatial and temporal clustering methods, time "distance" is considered as a real interval, but for case events with social attributes, it is at different time scales. It is very difficult to reflect the real temporal and spatial regularity of case events. In this paper, we consider the time attributes of the multi time scale, construct the equivalent space-time adjacent domain, and draw on the classical density clustering algorithm, and propose a multi time scale equivalent spatio-temporal proximity domain density clustering algorithm (MTS-ESTN DBSCAN). The cluster analysis of the event data of the case of Fuzhou city in 2013 shows that the method is feasible in the spatial and temporal clustering of case events, and has certain theoretical and practical value for further study of urban crime geography.

【作者单位】：福州大学福建省空间信息工程研究中心空间数据挖掘与信息共享教育部重点实验室;
【基金】：国家“863”计划重大项目课题(2012AA12A208)
【分类号】：D917.3;P208

【参考文献】