基于海量时空数据的路线挖掘与检索
发布时间:2021-05-21 18:18
信息技术的发展给人们的现代生活带来了更多的便利,随着互联网技术的进步,特别是Web2.0技术如博客、社交网络、微博的发展,互联网的使用者——人类的角色也在发生着转变。互联网的用户从单一的消费者开始慢慢变成生产者,与之前单向的获取网络编辑生成的资源不同,贡献和分享成为潮流。全世界分享者的经验汇集起来组成一个巨大的知识库。如何利用互联网上海量的信息为人们生活服务,是一个很有价值的研究问题。本论文从互联网用户分享的海量图片数据入手,从中挖掘出用户的路线,建立搜索引擎对路线进行检索,通过挖掘用户信息和行为从而为用户提供个性化的路线推荐服务。具体说来,论文的主要研究内容和创新点如下:1.对时空数据研究背景和现状进行了分析。总结了GPS系统的发展,特别是我国“北斗系统”的进展,分析了用户生成的带位置信息多媒体数据的发展,对海量时空数据管理中面临的问题进行了归纳和总结;2.提出了一种快速高效的从海量图片中挖掘用户路线的算法。该算法充分挖掘海量图片背后的元数据如时间和空间信息,根据相机生成图片的准确时间和所处位置,恢复拍摄者所处位置,由一系列的位置恢复拍摄者的路线;在恢复路线的过程中,针对部分用户上传...
【文章来源】:中国科学技术大学安徽省 211工程院校 985工程院校
【文章页数】:101 页
【学位级别】:博士
【文章目录】:
摘要
ABSTRACT
目录
插图目录
表格目录
第1章 绪论
1.1 研究背景
1.1.1 地理信息模式
1.2 地理位置标记多媒体研究现状
1.2.1 多媒体语义理解
1.2.2 地标识别
1.2.3 媒体可视化
1.2.4 服务或产品推荐
1.2.5 社会网络应用
1.2.6 测绘应用
1.3 本文主要工作
1.4 论文组织结构
第2章 海量时空数据管理的问题
2.1 地理位置信息服务的发展
2.1.1 地球定位系统的发展
2.1.2 移动互联网的发展与相关互联网服务
2.1.3 地理位置信息服务
2.2 海量时空数据管理存在的问题
2.2.1 海量时空数据管理的必要性
2.2.2 海量时空数据管理面临的问题
2.3 本章小结
第3章 海量时空数据挖掘
3.1 引言
3.2 时空数据挖掘技术
3.3 基于地理标记照片的路线挖掘
3.4 实验及分析
3.5 本章小结
第4章海量时空数据的检索技术研究
4.1 引言
4.2 海量路线索引
4.3 路线相似度计算
4.4 路线排序
4.5 实验及分析
4.6 本章小结
第5章基于海量时空数据的推荐技术研究
5.1 引言
5.2 个性化信息推荐技术简介
5.3 基于用户当前位置的路线推荐
5.4 基于路线快速匹配的实时路线推荐
5.5 实验及分析
5.6 本章小结
第6章交互式路线规划系统设计
6.1 系统简介
6.2 用户界面
6.3 城市视图
6.4 景点视图
6.5 本章小结
第7章 总结与展望
7.1 工作总结
7.2 未来展望
参考文献
致谢
在读期间发表的学术论文与取得的其他研究成果
本文编号:3200162
【文章来源】:中国科学技术大学安徽省 211工程院校 985工程院校
【文章页数】:101 页
【学位级别】:博士
【文章目录】:
摘要
ABSTRACT
目录
插图目录
表格目录
第1章 绪论
1.1 研究背景
1.1.1 地理信息模式
1.2 地理位置标记多媒体研究现状
1.2.1 多媒体语义理解
1.2.2 地标识别
1.2.3 媒体可视化
1.2.4 服务或产品推荐
1.2.5 社会网络应用
1.2.6 测绘应用
1.3 本文主要工作
1.4 论文组织结构
第2章 海量时空数据管理的问题
2.1 地理位置信息服务的发展
2.1.1 地球定位系统的发展
2.1.2 移动互联网的发展与相关互联网服务
2.1.3 地理位置信息服务
2.2 海量时空数据管理存在的问题
2.2.1 海量时空数据管理的必要性
2.2.2 海量时空数据管理面临的问题
2.3 本章小结
第3章 海量时空数据挖掘
3.1 引言
3.2 时空数据挖掘技术
3.3 基于地理标记照片的路线挖掘
3.4 实验及分析
3.5 本章小结
第4章海量时空数据的检索技术研究
4.1 引言
4.2 海量路线索引
4.3 路线相似度计算
4.4 路线排序
4.5 实验及分析
4.6 本章小结
第5章基于海量时空数据的推荐技术研究
5.1 引言
5.2 个性化信息推荐技术简介
5.3 基于用户当前位置的路线推荐
5.4 基于路线快速匹配的实时路线推荐
5.5 实验及分析
5.6 本章小结
第6章交互式路线规划系统设计
6.1 系统简介
6.2 用户界面
6.3 城市视图
6.4 景点视图
6.5 本章小结
第7章 总结与展望
7.1 工作总结
7.2 未来展望
参考文献
致谢
在读期间发表的学术论文与取得的其他研究成果
本文编号:3200162
本文链接:https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3200162.html