在线视频一区二区三区不卡 ,aaa级久久久精品无码片

內(nèi)容簡(jiǎn)介

　　基于位置的服務(wù)是指利用地理數(shù)據(jù)和信息向用戶提供服務(wù)的軟件服務(wù)。LBS可用于多種場(chǎng)景，如健康、娛樂(lè)、室內(nèi)對(duì)象搜索、工作和個(gè)人生活等。為了提供更好的LBS服務(wù)，政府部門(mén)和各類機(jī)構(gòu)需要集成各種來(lái)源的位置數(shù)據(jù)和其他關(guān)聯(lián)數(shù)據(jù)，但是這些數(shù)據(jù)存在明顯的混雜性、復(fù)雜性和稀疏性，給數(shù)據(jù)融合帶來(lái)巨大的挑戰(zhàn)。本書(shū)以位置大數(shù)據(jù)為研究對(duì)象，綜述多源位置數(shù)據(jù)的融合及挖掘的理論、技術(shù)和方法，并以POI數(shù)據(jù)、GPS軌跡數(shù)據(jù)、簽到數(shù)據(jù)和地圖數(shù)據(jù)為例，闡述多源位置數(shù)據(jù)融合時(shí)，如何解決數(shù)據(jù)不一致、數(shù)據(jù)稀疏性和數(shù)據(jù)不平衡等問(wèn)題；同時(shí)，詳細(xì)描述了它們?cè)诔鞘泄δ軈^(qū)域識(shí)別、城市熱點(diǎn)區(qū)域挖掘、城市熱點(diǎn)區(qū)域量化分析、居民出行熱點(diǎn)路徑挖掘和居民出行頻繁模式挖掘等研究領(lǐng)域的協(xié)同挖掘和價(jià)值提取。本書(shū)可作為高等院校數(shù)據(jù)挖掘、大數(shù)據(jù)分析等課程的教材，也可供從事相關(guān)領(lǐng)域研究和應(yīng)用的科技工作者參考。

作者簡(jiǎn)介

暫缺《多源位置數(shù)據(jù)的融合、挖掘與應(yīng)用》作者簡(jiǎn)介

圖書(shū)目錄

第1章位置大數(shù)據(jù)概述
1.1 位置大數(shù)據(jù)簡(jiǎn)介
1.2 位置大數(shù)據(jù)的應(yīng)用領(lǐng)域
1.3 多源位置數(shù)據(jù)融合理論及面臨的挑戰(zhàn)
1.3.1 數(shù)據(jù)融合的基本理論
1.3.2 多源位置數(shù)據(jù)融合的相關(guān)方法
1.3.3 多源位置數(shù)據(jù)融合面臨的挑戰(zhàn)
參考文獻(xiàn)
第2章多源異構(gòu)POI數(shù)據(jù)融合
2.1 POI數(shù)據(jù)模型和數(shù)據(jù)融合技術(shù)
2.1.1 POI數(shù)據(jù)模型
2.1.2 POI數(shù)據(jù)融合技術(shù)
2.2 問(wèn)題描述
2.3 多源異構(gòu)POI數(shù)據(jù)的融合方法
2.3.1 改進(jìn)的POI數(shù)據(jù)模型
2.3.2 基于本體的POI分類系統(tǒng)
2.4 多源異構(gòu)POI數(shù)據(jù)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(shù)據(jù)融合方法的實(shí)現(xiàn)
2.5 實(shí)驗(yàn)和結(jié)果分析
2.5.1 數(shù)據(jù)來(lái)源及評(píng)估指標(biāo)
2.5.2 實(shí)驗(yàn)結(jié)果
2.5.3 小結(jié)
參考文獻(xiàn)
第3章城市功能區(qū)域識(shí)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(jī)制
3.1.2 城市功能分區(qū)域所用數(shù)據(jù)源
3.1.3 地圖分割
3.1.4 城市功能區(qū)域的識(shí)別方法
3.2 問(wèn)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(xiàn)
3.4.1 基于形態(tài)學(xué)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(yǔ)義識(shí)別
3.5 實(shí)驗(yàn)和結(jié)果分析
3.5.1 數(shù)據(jù)集及評(píng)估方法
3.5.2 實(shí)驗(yàn)結(jié)果分析
3.5.3 小結(jié)
參考文獻(xiàn)
第4章稀疏簽到數(shù)據(jù)補(bǔ)全
4.1 數(shù)據(jù)稀疏性概述
4.1.1 稀疏數(shù)據(jù)的成因
4.1.2 簽到數(shù)據(jù)的稀疏性
4.1.3 問(wèn)題描述
4.2 張量分解概述
4.2.1 張量簡(jiǎn)介
4.2.2 張量分解
4.3 稀疏簽到數(shù)據(jù)補(bǔ)全方法
4.3.1 耦合矩陣和張量分解簡(jiǎn)介
4.3.2 時(shí)空相關(guān)性分析
4.3.3 簽到數(shù)據(jù)補(bǔ)全模型
4.3.4 模型分解及算法
4.4 實(shí)驗(yàn)和結(jié)果分析
4.4.1 數(shù)據(jù)集及評(píng)估指標(biāo)
4.4.2 結(jié)果分析
4.4.3 小結(jié)
參考文獻(xiàn)
第5章城市熱點(diǎn)區(qū)域挖掘
5.1 熱點(diǎn)區(qū)域發(fā)現(xiàn)
5.1.1 城市熱點(diǎn)區(qū)域挖掘方法
5.1.2 問(wèn)題描述
5.2 相關(guān)研究現(xiàn)狀
5.2.1 不平衡數(shù)據(jù)的研究
5.2.2 聚類算法研究
5.3 多源不平衡數(shù)據(jù)融合下的聚類挖掘方法
5.3.1 相對(duì)熵與決策圖
5.3.2 多源不平衡數(shù)據(jù)的聚類算法
5.3.3 算法實(shí)現(xiàn)
5.4 實(shí)驗(yàn)和結(jié)果分析
5.4.1 數(shù)據(jù)集
5.4.2 評(píng)估指標(biāo)
5.4.3 實(shí)驗(yàn)方法
5.4.4 結(jié)果分析
5.4.5 小結(jié)
參考文獻(xiàn)
第6章城市熱點(diǎn)區(qū)域量化分析
6.1 熱點(diǎn)區(qū)域量化方法
6.2 問(wèn)題描述
6.3 熱點(diǎn)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(diǎn)集的凸包算法
6.3.3 凸包相交的判斷算法
6.4 熱點(diǎn)區(qū)域吸引力指數(shù)
6.4.1 熱點(diǎn)區(qū)域吸引力指數(shù)概念
6.4.2 熱點(diǎn)區(qū)域吸引力指數(shù)模型
6.5 熱點(diǎn)區(qū)域吸引力指數(shù)計(jì)算
6.5.1 熱點(diǎn)區(qū)域相似性匹配算法
6.5.2 熱點(diǎn)區(qū)域吸引力指數(shù)算法
6.6 實(shí)驗(yàn)和結(jié)果分析
6.6.1 相似性判斷實(shí)驗(yàn)
6.6.2 吸引力指數(shù)實(shí)驗(yàn)
6.6.3 吸引力指數(shù)評(píng)估
6.6.4 熱點(diǎn)區(qū)域吸引力可視化
6.6.5 小結(jié)
參考文獻(xiàn)
第7章居民出行熱點(diǎn)路徑挖掘
7.1 熱點(diǎn)路徑發(fā)現(xiàn)
7.1.1 居民出行熱點(diǎn)路徑
7.1.2 居民出行熱點(diǎn)路徑的挖掘方法
7.1.3 問(wèn)題描述
7.2 軌跡數(shù)據(jù)建模和相似度度量
7.2.1 軌跡數(shù)據(jù)建模
7.2.2 軌跡相似度度量
7.3 基于軌跡數(shù)據(jù)的熱點(diǎn)路徑挖掘
7.3.1 地圖匹配及GPS軌跡數(shù)據(jù)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(shí)驗(yàn)和結(jié)果分析
7.4.1 參數(shù)確定及評(píng)估指標(biāo)
7.4.2 結(jié)果分析
7.5 熱點(diǎn)路徑可視化分析
7.5.1 軌跡聚類結(jié)果可視化
7.5.2 熱點(diǎn)路徑的時(shí)空規(guī)律
7.5.3 小結(jié)
參考文獻(xiàn)
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(wèn)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(gòu)建
8.3.3 數(shù)據(jù)結(jié)構(gòu)的改進(jìn)
8.4 頻繁關(guān)聯(lián)模式挖掘
8.4.1 基于頻繁子圖挖掘算法的頻繁關(guān)聯(lián)模式挖掘
8.4.2 基于MulEdge算法的頻繁關(guān)聯(lián)模式挖掘
8.5 實(shí)驗(yàn)和結(jié)果分析
8.5.1 數(shù)據(jù)集及運(yùn)行時(shí)間
8.5.2 實(shí)驗(yàn)結(jié)果
8.5.3 小結(jié)
參考文獻(xiàn)