搜索
!!#$%$$&’()*+’,-.)/012034+(0/&.2!567289&267289&2:62$$!!$$;$!$;$=-)+?(@0,A+0B1C#DEF#01F#(,$!-;55$-!!$%-$-587G5$$#$5!##$%&’&(&)(%*+#,)-$.&,/’-(&0,12$3-,#(45(&(60%0%70%&8$6,904$:,#4*!8$%;0$2(%7’80=$0(%75,%7?0%7@:(%72$%7A0(,@$H0,*03’I6,I’3)*+’,2(+0,(0JK)*+’,)?&)C#’,L)(@+,0G03(0D*+’,’I.0+A+,MN,+403/+*OJ.0+A+,M$;$!H’DF*032(+0,(0),170(@,’?’MO’I.0+A+,MN,+403/+*O.0+A+,M$;$B9)&#(.&814),(0/+,’C+?0(’F,+()*+’,),1?’()*+’,10*03+,)*+’,*0(@,’?’M+0/@)4030/F?*01+,*@03)D+1(’??0(P*+’,’I)@FM0)’F,*’I/D)*+’-*0D’3)?1)*)#6,*@0’C+?0Q’3?1*@0)+’I/D)*+’-*0D’3)?1)*)+,+,M+/*’0R*3)(*E,’Q?01M0F/0IF?*’/FDD’3*10(+/+’,)E+,MI’3?’()*+’,-C)/01/034+(0/+,*0??+M0,**3),/D’3*)*+’,/O/*0/0*(##6,*@+/D)PD03*@0’30*+()?),1)DD?+()*+’,)/D0(*/’I/D)*+’-*0D’3)?1)*)+,+,M)30/F340O01),1IF*F3030/0)3(@1+30(*+’,/)301+/(F//01#C$D=,#*)L’C+?+*OS)*)L+,+,M2D)*+’-70D’3)?S)*)T5:$TTT5!UGVN-6.L$T%;$T5T$TWU$T5!!!!!!!!!!$!!#$%!!#$!#$#$$&$’&!’(#)(*&+’((#,-./.-01*234&5’(((#46*2789:;8&=’46*2!&%’$3!3$#=3$3*2?2@2,?2A84B@+3?4B+?&C’,ADAEFA;&G’6HI,!#$#!)(*&J’KA)4LH&$’)-84F-MINMAOAP&$$’)(*,8QMARAS&$!’&J’&$+’TOA,,-A8S8.00M--Q,HF*642O-8E8MFEF;@F00-M;DA0F80-PD8MA9M-UF8ADDM8VFPA0F8;!#!!#!#$$*0898MWX6YLZ1*2)!XOF00FP88MF*Z@3Z1C=+%+*O-QOAM2$2![I!2!\!2!\+]@5TF-;F;4F-M,:8;-M!#!#!$(@448MFP808H@*!!!#$%&’()!*+,-./-01234562789:234/;!#!#=.&?@26@,&.&,&.&,&!#!#A=BCDEE2D:=F$=G?96DHH!$$!=0I&,AJK;L(1.I,C5M;L(!!%$#&N9?O?P’.DQQ2RSTU#V9784DH?32DM’8PD9?EB?3?N?:8:FTG#/8D;6HD9P?32R?$=$%$XWW!#I?VN8,#&1E?::2H2R?32D6DH&6?E4:2:(83ODQ:HD9B46?P2R,D2630NMY8R3:26-6729D6P863?E/;F1G#;6,9DR88Q26@:DH3O8A3O&/;I-1D6H8986R81Z8RO!$=#L8EE89&#?32?EK’8PD9?E-7863:26?/;F1G#;6,9DR88Q26@:DH/;KI;W$&3E?63?/8D9@2?$WW$A#,8V[V83BTBV?6\#&6-7863ML?:8Q?32D38PD9?EB?3?(DQ8E-’B(HD9’8PD9?E&6?E4:2:DH/8D@9?O2R?EB?3?FTG#;63896?32D6?ETDV96?EDH/8D@9?O2R?E;6HD9P?32D64:38P:$WWJW]X!AJ#^DEH:D60)VL1O?PN89E?2683?E#(D726@0NY8R3B?3?N?:8:;:M:V8:?6QDEV32D6:F1G#;6,9DR88Q26@:DH3O8$3O;631D6H8986R8D6R28632H2R?6Q3?32:32R?EB?3?N?:8(?6?@8P863BL(W1?92;M3?E4$WW_$$$X$!!%#(?6DEDDVED:+83?E#&Q7?6R8QB?3?N?:8;6Q8‘26@F(G#CEVa89&R?MQ8P2R,VNE2:O89:!]#’?D+,??Q2?:B#(b=.M’988&?32DM’8PD9?E&RR8::(83ODQHD9’2P8:3?P?6Q;63897?EcV8928:FTG#bIBL!$A=$XAA_#,??Q2?:B’?D+C?E62:,83?E#;6Q8‘26@?32DM’8PD9?EB?3?^?98ODV:8:F1G#;63O8,9DR88Q26@:DH$_3O;---;63896?32D6?E1D6H89M86R8D6B?3?-6@2688926@;1B-!!W#.DQQ2RSTU2E2DDVEDV(#&L2NE2D@9?O4DH’8PD9?E?32?E?6Q?32DM’8PD9?EB?3?(2626@.8:8?9ROFTG#;/CBB-‘ED9?32D6:$*?6TCD89:S2C38H?6D72R\#/8D(2689&4:38P,9D3D348HD9?32?EB?3?(2626@F1G#;6,9DR&1(;/(0B1D6H8986R8D63O8(?6?@8P863DHB?3?’VR:D6&92ZD6?$WW]$$#&N9?O?P’.DQQ2RSTU#0D93V62328:HD9C6DaE8Q@8B2:RD789426?32DM’8PD9?E;6HD9P?32D64:38P:FTG#&V:39?E2?6TDV96?EDH;6HD9P?M32D64:38P:$WW_J!=X$!$!#,DS9?Y?RB0N9?QD72Rd#;P9D78Q?32?EM’8PD9?EUD98R?:326@3O9DV@O(DQ8E26@DH?32?E.8:2QV?E:26.8R863*2:3D94F1G#;6,9DRU29:3;&(;63eE1D6HD6B?3?(2626@B(e!$1O2R?@D5&!$$=#.DQQ2RSTU*D96:N4C2E2DDVEDV(#&65Q?38Q’8PD9?E?32?E?6Q?32DM’8PD9?EB?3?(2626@?6QC6DaE8Q@8B2:RD7894.8:8?9ROL2NE2D@9?O4F1G#;6,D:3M^D9S:OD,9DR88Q26@:DH3O8;6M3896?32D6?E^D9S:ODD6’8PD9?E?32?E?6Q?32DM’8PD9?EB?3?(2626@’B(!926@89I8R3V98\D38:26&932H2R2?E;638EE2@86R8!$=面向移动环境的时空数据挖掘研究现状与展望作者：陈捷，唐世渭，杨冬青，王腾蛟作者单位：陈捷,唐世渭(北京大学视觉与听觉信息处理国家重点实验室,北京,100871)，杨冬青,王腾蛟(北京大学计算机科学与技术系,北京,100871)刊名：计算机工程与应用英文刊名：COMPUTERENGINEERINGANDAPPLICATIONS年，卷(期)：2002，38(16)引用次数：4次参考文献(13条)1.ABRAHAMT.RoddickJFSurveyofSpatio-TemporalDatabases1999(3)2.LaubePAClassificationofAnalysisMethodsforDynamicPointObjectsinEnvironmentalGIS20013.BellerASpatial/TemporalEventsinaGIS19914.PenquetDJ.DuanNAnEvent-BasedSpatiotemporalDataModel(ESTDM)forTemporalAnalysisofGeographicalData1995(9)5.WolfsonO.XuB.ChamberlainSMovingObjectDatabases:IssuesandSolutions19986.ManolopoulosYAdvancedDatabaseIndexing20007.TaoY.PapadiasDMV3R-Tree:ASpatio-TemporalAccessMethodforTimestampandIntervalQueries20018.PapadiasD.TaoY.KalnisPIndexingSpatio-TemporalDataWarehouses20029.RoddickJF.SpiliopoulouMABibliographyofTemporal,SpatialandSpatio-TemporalDataMiningResearch1999(1)10.HanJ.KoperskiK.StefanovicNGeoMiner:ASystemPrototypeforSpatialDataMining199711.ABRAHAMT.RoddickJFOppoortunitiesforKnowledgeDiscoveryinSpatio-TemporalInformationSystems1998(5)12.PokrajacD.ObradovicZImprovedSpatial-TemporalForecastingthroughModelingofSpatialResidualsinRecentHistory200113.RoddickJF.HornsbyK.SpiliopoulouMAnUpdatedTemporal,SpatialandSpatio-TemporalDataMiningandKnowledgeDiscoveryResearchBibliography2001相似文献(10条)1.学位论文岳爱萍基于时间的用户移动模式挖掘研究2008大多数移动用户在现实生活中的移动行为都有一定规律，如果对其移动日志进行研究，将会找到这些规律，我们称之为用户移动模式。用户移动模式在移动通信网络规划设计、移动性管理及基于位置管理的服务领域都有非常重要的作用。如果将用户移动模式和其他数据信息结合起来，如商务信息，可以发现用户的行为模式，能够为用户提供基于地点和时间多变性的更加个性化的服务。目前，随着移动通信技术与计算机技术的飞速发展，实现了对移动对象进行跟踪定位，从而在移动计算环境中产生了大量的、动态变化的用户移动的时空数据，这些移动日志就是我们研究的对象。数据挖掘技术日趋成熟，已经成为用户移动模式挖掘的一种重要工具。数据挖掘就是从大量有噪声、不完整、甚至是不一致数据集中发现有意义的模式知识。序列模式挖掘是数据挖掘中一种重要的方法，自从R.Agrawal和R.Srikant在1995年提出该方法以来，国内外学者对其进行了大量的研究并提出了很多算法。用户移动模式与序列模式虽然有相似的地方，但是又有其特性，因此序列模式挖掘的方法不能直接用于挖掘用户移动模式。目前关于用户移动模式挖掘的研究有了一定进展，但是大部分研究没有充分考虑时间因素，而是简单的把时间作为形