多属性值的时空聚类及关联算法研究与应用

发布时间：2023-04-01 08:10

　　时空数据挖掘是较为前沿、新兴的数据挖掘研究领域之一,旨在分析较高维度的时空数据,提取出时空数据中潜在的、有价值的知识。时空聚类、时空关联则是其重要的两个分支。时空聚类中阈值的合理设定,且将时空聚类和关联规则应用到具有多属性维度的时空数据集中是现在的一大难点。针对这些问题,本文主要从以下几个部分进行研究:首先,针对传统时空聚类算法ST-DBSCAN在人为设定阈值上存在较大随机性,从而导致聚类结果不理想的问题,提出了一种时空距离频数柱状图设定阈值的方法,并通过对比实验来证明该方法下的聚类结果更为合理、准确。其次,针对时空聚类算法ST-DBSCAN仅限于处理三维时空数据的聚类分析,面对多于三维时空数据的聚类,提出了一种新的混合属性时空聚类算法。该算法通过引入Gower相似系数、Dice相似系数与欧几里得距离构建混合属性相似度模型来计算多个事务对象之间属性特征的相似度大小,当满足相似度阈值的多个事务对象则可纳入同一个时空簇内,从而将原始的时空聚类算法扩展到更多维度的聚类分析中。最后,针对在关联规则算法FP-Growth的基础上,如何判断多维时空数据集的时空与属性之间的关联关系的问题,在传统关联...

【文章页数】：94 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
主要英文缩写与中英文对照表
符号及其定义清单
第一章 绪论
    1.1 选题背景及研究意义
    1.2 国内外研究现状
        1.2.1 时空聚类分析研究现状
        1.2.2 时空关联规则研究现状
        1.2.3 总结分析
    1.3 主要研究内容及创新点
        1.3.1 主要研究内容
        1.3.2 创新点
    1.4 本文的组织结构
第二章 时空数据挖掘技术概述
    2.1 时空数据
    2.2 时空数据挖掘
        2.2.1 时空数据挖掘概念
        2.2.2 时空数据挖掘过程
    2.3 时空聚类相关定义
    2.4 关联规则相关定义
    2.5 实验样本库的构建
        2.5.1 实验数据下载
        2.5.2 实验数据预处理
        2.5.3 样本数据库的搭建
    2.6 本章小结
第三章 时空聚类算法ST-DBSCAN及其阈值设定
    3.1 常见的时空聚类算法
    3.2 ST-DBSCAN时空聚类算法
    3.3 ST-DBSCAN算法实现步骤
    3.4 ST-DBSCAN算法的优缺点
    3.5 阈值设定及实验对比
    3.6 本章小结
第四章 混合属性时空聚类算法MAST-DBSCAN
    4.1 属性值的分类
    4.2 混合属性相似计算模型
    4.3 混合属性时空聚类算法
    4.4 算法实现步骤
    4.5 算法实例应用及结果分析
    4.6 本章小结
第五章 多属性时空关联算法MASTFP-Growth
    5.1 关联规则算法
        5.1.1 常见的关联规则算法
        5.1.2 FP-Growth关联规则算法及案例分析
        5.1.3 FP-Growth关联规则算法的优缺点
    5.2 多属性时空关联规则算法
        5.2.1 关联规则的空间语义扩充
        5.2.2 关联规则的时间语义扩充
        5.2.3 关联规则的属性语义扩充
        5.2.4 多属性时空关联规则算法
        5.2.5 算法实现步骤
        5.2.6 算法实例应用及结果分析
    5.3 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献
附录A 攻读硕士期间发表的论文及其他成果
附录B 核心代码附录



本文编号：3776783