基于时空聚类的兴趣点推荐系统设计与实现

发布时间：2024-03-31 20:42

　　随着移动互联网及信息技术的迅速发展和现代移动智能终端的广泛应用,衍生出大量的移动对象位置信息,兴趣点推荐服务因其帮助用户从海量信息中及时、有效地获得感兴趣的内容得到国内外研究人士的普遍关注。传统的兴趣点推荐系统往往只考虑了移动对象对地点的位置偏好信息,忽略了移动对象轨迹数据的分散性和信息分布的低密度性,使轨迹的信息提取难度高、兴趣点推荐系统地点分析功能精度差。基于此,本文设计并实现了一种基于时空聚类的兴趣点推荐系统,通过将时空信息转化为轨迹数据,同时增加轨迹的情景标签,对比用户历史兴趣点及用户间运动规律和行为模式的相似性,最终实现一个高准确率的兴趣点推荐系统。本文主要研究工作如下:(1)研究使用基于轨迹分段的层次聚类算法(A Hierarchical Clustering Algorithm Based on Trajectory Segmentation,HCTS)对轨迹数据进行预处理。通过基础数据清洗算法并改进层次聚类算法,形成初步聚类结果,从而剔除海量轨迹数据中的冗余点和异常点,为实现下一步聚类算法提供真实有效的轨迹数据和参数,提高时空轨迹数据聚类质量。(2)研究使用基于多标签选...

【文章页数】：93 页

【学位级别】：硕士

【部分图文】：

图3-3时间效率比较

图3-3时间效率比较图3-4聚类结果比较选择的时空轨迹聚类算法研究0.250.51时间间隔/h0246810120.250.51时间间隔/sHCTSAHDATRACLUSDBSCAN

图3-4聚类结果比较

图3-4聚类结果比较选择的时空轨迹聚类算法研究据及技术支持，本文提出基于多标签选择的时结合实验结果进行分析，验证兴趣点推荐系统析证明MS-SMoT算法准确挖掘出用户不同时段息，为下一步基于相似度融合的兴趣点推荐算法法相关模型定义[45]的CB-SMoT模型和基于文献[....

图3-8由Eps所得潜在静止区域

第三章基于时空聚类的兴趣点推荐系统关键算法的研究与实现

图3-9由EpsN所得潜在静止区域

35图3-9由EpsN所得潜在静止区域组织聚类织聚类是一种基于速度的聚类方法，组成MS-SMoT算参数EpsN和最短持续时间minTime获取轨迹点对应E域，计算得到当前潜在静止区域内所有的核心点，将当前潜在静止区域直到其不再扩大，即不在有新轨迹点。初步聚类....

本文编号：3944465