文献

J-GLOBAL ID：201802259236380133   整理番号：18A1583032

時空間軌跡に基づく移動対象収束パターンマイニングアルゴリズム【JST・京大機械翻訳】

Algorithm for Mining Converging Patterns of Moving Objects from Spatiotemporal Trajectories

著者 (5件)： Zhang Yifan (南京師范大学計算机科学与技術学院 ,南京 ,210023) ,  Zhao Bin (南京師范大学計算机科学与技術学院 ,南京 ,210023) ,  Sun Hongyan (南京師范大学計算机科学与技術学院 ,南京 ,210023) ,  Tan Chao (南京師范大学計算机科学与技術学院 ,南京 ,210023) ,  Ji Genlin (南京師范大学計算机科学与技術学院 ,南京 ,210023)
資料名： Shuju Caiji yu Chuli  (Shuju Caiji yu Chuli)
巻： 33  号： 3  ページ： 487-495  発行年： 2018年 
JST資料番号： W1502A  ISSN： 1004-9037  CODEN： SCYCE4  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 移動オブジェクトの集合パターンは,時空間軌道パターンマイニングにおける重要課題であり,それは,複数の連続時間における移動オブジェクト群の空間集合の問題を研究するものである。現有の集合モデルは共起パターンに基づいて定義され、マイニング結果中に大量の非運動の集合群を挟み、パターンマイニングの効果に深刻な影響を与える。この問題を解決するために,本論文では,集団運動過程に基づく収束モデルを提案した。このモデルはグループ運動の形態から設計を行い、中心運動の移動グループを正確に識別し、非凝集タイプの運動グループの干渉を有効に排除する。本論文では,集約パターンマイニング(CPM)アルゴリズムを設計し,最初に密度ピーク点を位置決めし,候補の収束中心領域を決定し,次に各時刻の収束群を順次認識した。収束パターンを,集団収束の持続性に従って認識した。現実の軌道データに基づく実験結果は,提案したCPMアルゴリズムが,マイニング効果とアルゴリズムの効率性において効率的であることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 凝集 ,  軌跡 ,  集中化 ,  モデル ,  連続時間系 ,  *アルゴリズム
準シソーラス用語： 持続性 ,  集団運動 ,  *パターンマイニング , 【Automatic Indexing@JST】

著者キーワード (3件)： trajectory data mining ,  converging pattern ,  gathering pattern

分類 (5件)： パターン認識  (JE07000S) ,  計算機シミュレーション  (JE11000H) ,  図形・画像処理一般  (JE04010I) ,  システム・制御理論一般  (IA02010H) ,  数値計算  (JE02000J)

タイトルに関連する用語 (5件)： 時空間 ,  軌跡 ,  収束 ,  パターンマイニング ,  アルゴリズム