国产精品女久久久一区二区,欧美日韩动漫中文字幕

內容簡介

　　基于位置的服務是指利用地理數據和信息向用戶提供服務的軟件服務。LBS可用于多種場景，如健康、娛樂、室內對象搜索、工作和個人生活等。為了提供更好的LBS服務，政府部門和各類機構需要集成各種來源的位置數據和其他關聯數據，但是這些數據存在明顯的混雜性、復雜性和稀疏性，給數據融合帶來巨大的挑戰(zhàn)。本書以位置大數據為研究對象，綜述多源位置數據的融合及挖掘的理論、技術和方法，并以POI數據、GPS軌跡數據、簽到數據和地圖數據為例，闡述多源位置數據融合時，如何解決數據不一致、數據稀疏性和數據不平衡等問題；同時，詳細描述了它們在城市功能區(qū)域識別、城市熱點區(qū)域挖掘、城市熱點區(qū)域量化分析、居民出行熱點路徑挖掘和居民出行頻繁模式挖掘等研究領域的協(xié)同挖掘和價值提取。本書可作為高等院校數據挖掘、大數據分析等課程的教材，也可供從事相關領域研究和應用的科技工作者參考。

作者簡介

暫缺《多源位置數據的融合、挖掘與應用》作者簡介

圖書目錄

第1章位置大數據概述
1.1 位置大數據簡介
1.2 位置大數據的應用領域
1.3 多源位置數據融合理論及面臨的挑戰(zhàn)
1.3.1 數據融合的基本理論
1.3.2 多源位置數據融合的相關方法
1.3.3 多源位置數據融合面臨的挑戰(zhàn)
參考文獻
第2章多源異構POI數據融合
2.1 POI數據模型和數據融合技術
2.1.1 POI數據模型
2.1.2 POI數據融合技術
2.2 問題描述
2.3 多源異構POI數據的融合方法
2.3.1 改進的POI數據模型
2.3.2 基于本體的POI分類系統(tǒng)
2.4 多源異構POI數據的融合算法
2.4.1 融合算法MDFC-POI
2.4.2 MDFC-POI算法描述
2.4.3 一致性數據融合方法的實現
2.5 實驗和結果分析
2.5.1 數據來源及評估指標
2.5.2 實驗結果
2.5.3 小結
參考文獻
第3章城市功能區(qū)域識別
3.1 城市功能區(qū)域概述
3.1.1 城市功能區(qū)域的形成機制
3.1.2 城市功能分區(qū)域所用數據源
3.1.3 地圖分割
3.1.4 城市功能區(qū)域的識別方法
3.2 問題描述
3.3 圖嵌入模型
3.3.1 圖嵌入概述
3.3.2 圖嵌入方法node2vec
3.4 基于node2vec圖嵌入的城市功能區(qū)域發(fā)現
3.4.1 基于形態(tài)學圖像的地圖分割
3.4.2 城市功能區(qū)域圖嵌入表示
3.4.3 城市功能區(qū)域語義識別
3.5 實驗和結果分析
3.5.1 數據集及評估方法
3.5.2 實驗結果分析
3.5.3 小結
參考文獻
第4章稀疏簽到數據補全
4.1 數據稀疏性概述
4.1.1 稀疏數據的成因
4.1.2 簽到數據的稀疏性
4.1.3 問題描述
4.2 張量分解概述
4.2.1 張量簡介
4.2.2 張量分解
4.3 稀疏簽到數據補全方法
4.3.1 耦合矩陣和張量分解簡介
4.3.2 時空相關性分析
4.3.3 簽到數據補全模型
4.3.4 模型分解及算法
4.4 實驗和結果分析
4.4.1 數據集及評估指標
4.4.2 結果分析
4.4.3 小結
參考文獻
第5章城市熱點區(qū)域挖掘
5.1 熱點區(qū)域發(fā)現
5.1.1 城市熱點區(qū)域挖掘方法
5.1.2 問題描述
5.2 相關研究現狀
5.2.1 不平衡數據的研究
5.2.2 聚類算法研究
5.3 多源不平衡數據融合下的聚類挖掘方法
5.3.1 相對熵與決策圖
5.3.2 多源不平衡數據的聚類算法
5.3.3 算法實現
5.4 實驗和結果分析
5.4.1 數據集
5.4.2 評估指標
5.4.3 實驗方法
5.4.4 結果分析
5.4.5 小結
參考文獻
第6章城市熱點區(qū)域量化分析
6.1 熱點區(qū)域量化方法
6.2 問題描述
6.3 熱點區(qū)域相似性分析方法
6.3.1 聚類簇的幾何形狀描述
6.3.2 平面點集的凸包算法
6.3.3 凸包相交的判斷算法
6.4 熱點區(qū)域吸引力指數
6.4.1 熱點區(qū)域吸引力指數概念
6.4.2 熱點區(qū)域吸引力指數模型
6.5 熱點區(qū)域吸引力指數計算
6.5.1 熱點區(qū)域相似性匹配算法
6.5.2 熱點區(qū)域吸引力指數算法
6.6 實驗和結果分析
6.6.1 相似性判斷實驗
6.6.2 吸引力指數實驗
6.6.3 吸引力指數評估
6.6.4 熱點區(qū)域吸引力可視化
6.6.5 小結
參考文獻
第7章居民出行熱點路徑挖掘
7.1 熱點路徑發(fā)現
7.1.1 居民出行熱點路徑
7.1.2 居民出行熱點路徑的挖掘方法
7.1.3 問題描述
7.2 軌跡數據建模和相似度度量
7.2.1 軌跡數據建模
7.2.2 軌跡相似度度量
7.3 基于軌跡數據的熱點路徑挖掘
7.3.1 地圖匹配及GPS軌跡數據建模
7.3.2 基于全局特征和局部特征的軌跡聚類算法
7.4 實驗和結果分析
7.4.1 參數確定及評估指標
7.4.2 結果分析
7.5 熱點路徑可視化分析
7.5.1 軌跡聚類結果可視化
7.5.2 熱點路徑的時空規(guī)律
7.5.3 小結
參考文獻
第8章居民出行頻繁模式挖掘
8.1 頻繁模式挖掘
8.1.1 居民出行頻繁模式
8.1.2 居民出行頻繁模式的挖掘研究
8.2 問題描述
8.3 居民出行頻繁模式的挖掘方法
8.3.1 居民出行頻繁模式挖掘方法的框架
8.3.2 居民出行模式圖的構建
8.3.3 數據結構的改進
8.4 頻繁關聯模式挖掘
8.4.1 基于頻繁子圖挖掘算法的頻繁關聯模式挖掘
8.4.2 基于MulEdge算法的頻繁關聯模式挖掘
8.5 實驗和結果分析
8.5.1 數據集及運行時間
8.5.2 實驗結果
8.5.3 小結
參考文獻