龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：福州大学
摘要：本发明涉及一种融合轨迹时空距离和SNN‑DPC的出租出行频繁模式挖掘方法，包括：获取轨迹数据，剔除重复记录和异常的数据并补全缺失数据；对研究区域进行网格化处理，任取不同的2个网格，提取以这两个网格所在区域为起终点的所有轨迹，构建轨迹子数据集；基于改进的Hausdorff算法度量轨迹的空间位置相似性；基于改进的LCSS算法度量轨迹的空间方向相似性；将轨迹空间位置距离矩阵和轨迹空间方向距离矩阵进行加权融合，得到轨迹时空距离矩阵；基于SNN‑DPC算法对轨迹时空距离矩阵进行聚类分析，将轨迹划分为不同的类簇；基于FDPC‑OF算法检测聚类结果中的离群轨迹，并予以剔除，最终得到出租出行频繁模式。该方法有利于实现准确、高效的出租出行频繁模式识别。
主权项：1.一种融合轨迹时空距离和SNN-DPC的出租出行频繁模式挖掘方法，其特征在于，包括以下步骤：步骤S1：获取轨迹数据，剔除重复记录和异常的数据并补全缺失数据；步骤S2：对研究区域进行网格化处理，任取不同的2个网格，提取以这两个网格所在区域为起终点的所有轨迹，构建轨迹子数据集；步骤S3：基于改进的Hausdorff算法度量轨迹的空间位置相似性，得到轨迹空间位置距离矩阵；步骤S4：基于改进的LCSS算法度量轨迹的空间方向相似性，得到轨迹空间方向距离矩阵；步骤S5：将轨迹空间位置距离矩阵和轨迹空间方向距离矩阵进行加权融合，得到轨迹时空距离矩阵；步骤S6：基于SNN-DPC算法对处理后的轨迹时空距离矩阵进行聚类分析，将轨迹划分为不同的类簇；步骤S7：基于FDPC-OF算法检测聚类结果中的离群轨迹，并予以剔除，最终得到出租出行频繁模式。
全文数据：
权利要求：
百度查询： 福州大学 融合轨迹时空距离和SNN-DPC的出租出行频繁模式挖掘方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号