互联网POI同位模式挖掘方法研究

发布时间：2017-04-28 07:17

  本文关键词：互联网POI同位模式挖掘方法研究，由笔耕文化传播整理发布。

【摘要】：随着互联网技术和地理信息服务的飞速发展,互联网电子地图已逐渐应用于社会生活的方方面面,互联网POI (Point of Interest,兴趣点)作为电子地图的重要组成部分,具有海量、异构、分布广泛、更新频繁等特点,研究大规模互联网POI的分布特征,发掘隐藏在海量地理信息背后的知识规律,逐渐成为人们日常生活中关注的焦点,同位模式分析正是在这一当务之急的情况下产生的解决这一问题的有效途径。互联网POI同位模式分析可以提取海量POI的分布特征和它们之间的关联关系,从而在大量的、无序的POI中发现隐藏在其背后的信息和知识,帮助用户更直观清晰的发现信息,同时为各种地理决策提供支持。然而现有的同位模式分析在面对成百上千万甚至更多的POI时,往往不能快速高效地发掘它们的分布特征和关联关系,因此本文提出基于MapReduce的同位模式挖掘方法和基于多线程并行处理的同位模式挖掘方法来提高大规模POI的同位模式分析效率。 本文研究工作主要从以下三个方面进行：第一,研究了传统的关联规则算法和同位模式算法。在Visual Studio2008平台运用C#编程语言实现了关联规则算法的经典Apriori算法,并通过实例验证了算法的准确性,同时总结了几种Apriori算法的改进思想；介绍了同位模式的相关概念,通过实例说明了基于全连接、部分连接、无连接等几种同位模式挖掘算法。第二,针对大规模互联网POI,实现基于多线程并行处理的同位模式挖掘算法。首先通过MongoDB存储模型实现海量POI的存储,其次通过建立空间地理索引提高查询效率,通过MongoDB的地理空间索引获取同位模式实例集合,然后通过多线程并行处理编程模型将数据集划分为多个数据块,对分割后的数据采用多线程并行Apriori计算,获得符合支持度和置信度的频繁同位模式和同位规则。第三,以北京市、上海市、广州市、深圳市的互联网POI为例,通过设置不同的邻近距离、支持度、置信度等参数,挖掘不同条件下的同位模式和同位规则,分析他们之间的分布特征和不同类别的POI之间的关联程度。应用说明本文提出的多线程并行处理同位模式挖掘方法能有效反映地理实体在一定范围内的分布特征,具有较强的应用价值。
【关键词】：互联网 POI标注 同位模式 Apriori算法 并行处理
【学位授予单位】：山东农业大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：P283.7;P209
【目录】：

• 中文摘要6-7
• Abstract7-9
• 1 绪论9-16
• 1.1 研究背景与意义9-10
• 1.1.1 研究背景9-10
• 1.1.2 研究意义10
• 1.2 国内外研究现状10-13
• 1.2.1 关联规则挖掘研究现状10-11
• 1.2.2 同位模式挖掘研究现状11-13
• 1.2.3 海量数据挖掘研究现状13
• 1.3 研究内容和论文结构13-15
• 1.3.1 研究内容13-14
• 1.3.2 论文结构14-15
• 1.4 小结15-16
• 2 关联规则数据挖掘16-26
• 2.1 关联规则概述16-19
• 2.1.1 关联规则的概念16-17
• 2.1.2 关联规则的分类17-18
• 2.1.3 关联规则的挖掘过程18-19
• 2.2 经典Apirori算法19-24
• 2.2.1 算法的基本原理19
• 2.2.2 算法的流程19-21
• 2.2.3 算法的实现21-24
• 2.3 Apriori算法的几种改进思想24-25
• 2.4 小结25-26
• 3 空间数据同位模式挖掘26-38
• 3.1 空间数据概念及特性26
• 3.2 同位模式挖掘26-37
• 3.2.1 同位模式的提出26-27
• 3.2.2 同位模式相关概念27-30
• 3.2.3 同位模式挖掘方法30-37
• 3.3 小结37-38
• 4 互联网POI同位模式挖掘算法实现及应用38-60
• 4.1 互联网POI同位模式挖掘算法实现38-54
• 4.1.1 基于MongoDB的大规模POI存储38-41
• 4.1.2 互联网POI同位模式实例集获取41-45
• 4.1.3 基于MapReduce的同位模式挖掘45-49
• 4.1.4 基于多线程并行处理的同位模式挖掘49-54
• 4.2 互联网POI同位模式挖掘算法应用54-59
• 4.2.1 数据存储与分析处理54-55
• 4.2.2 实例结果分析55-59
• 4.3 小结59-60
• 5 总结与展望60-62
• 5.1 论文研究工作总结60-61
• 5.2 下一步工作展望61-62
• 参考文献62-67
• 附录67-71
• 致谢71-72
• 攻读硕士学位期间发表论文及其他成果72

【参考文献】

中国期刊全文数据库 前10条

1 刘独玉;杨晋浩;钟守铭;;关联规则挖掘研究综述[J];成都大学学报(自然科学版);2006年01期

2 张雪伍;苏奋振;石忆邵;张丹丹;;空间关联规则挖掘研究进展[J];地理科学进展;2007年06期

3 沈良忠;;关联规则中Apriori算法的C#实现研究[J];电脑知识与技术;2009年13期

4 芦海燕;;数据挖掘中关联规则算法的研究[J];电脑知识与技术;2011年26期

5 黄立勤;柳燕煌;;基于MapReduce并行的Apriori算法改进研究[J];福州大学学报(自然科学版);2011年05期

6 王冬秀;;关联规则挖掘的Apriori算法的改进与应用[J];广西工学院学报;2012年04期

7 李中元;边馥苓;;空间同位模式挖掘研究进展[J];地理空间信息;2013年06期

8 王占全,王申康,华成;空间分类数据同位规则挖掘算法[J];计算机辅助设计与图形学学报;2005年10期

9 赵祖应;丁勇;邓平;;基于Apriori算法的购物篮关联规则分析[J];江西科学;2012年01期

10 郑继刚;;对Apriori算法的改进及其实现研究[J];计算机与数字工程;2010年12期

中国博士学位论文全文数据库 前2条

1 何月顺;关联规则挖掘技术的研究及应用[D];南京航空航天大学;2010年

2 钱烽;同位模式挖掘研究[D];浙江大学;2012年

  本文关键词：互联网POI同位模式挖掘方法研究，，由笔耕文化传播整理发布。

本文编号：332373