本文選題：時空聚類 + 多時間尺度　； 參考：《地球信息科學學報》2015年07期

【摘要】：時空聚類是數據挖掘研究的主要內容之一,在環境保護、疾病預防與控制、犯罪預防與打擊等領域具有重要的應用價值。已有的時空聚類方法中,時間"距離"都認為是真實的間隔,而對于具有社會屬性的案事件而言,其在不同時間尺度下具有明顯的周期性特征,忽略這些特征將很難反映出案事件真實的時空規律。本文綜合考慮多時間尺度下的時間屬性,構建等效時空鄰近域,并借鑒經典的密度聚類算法,提出了多時間尺度等效時空鄰近域密度聚類算法(MTS-ESTN DBSCAN)。通過對福州市區2013年案事件數據的聚類分析表明,該方法在案事件時空聚類方面具有可行性,對于進一步深入研究城市犯罪地理具有一定的理論意義和實際價值。
[Abstract]:Spatio-temporal clustering is one of the main contents of data mining research. It has important application value in the fields of environmental protection, disease prevention and control, crime prevention and attack. In the existing spatial and temporal clustering methods, time "distance" is considered as a real interval, but for case events with social attributes, it is at different time scales. It is very difficult to reflect the real temporal and spatial regularity of case events. In this paper, we consider the time attributes of the multi time scale, construct the equivalent space-time adjacent domain, and draw on the classical density clustering algorithm, and propose a multi time scale equivalent spatio-temporal proximity domain density clustering algorithm (MTS-ESTN DBSCAN). The cluster analysis of the event data of the case of Fuzhou city in 2013 shows that the method is feasible in the spatial and temporal clustering of case events, and has certain theoretical and practical value for further study of urban crime geography.

【作者單位】： 福州大學福建省空間信息工程研究中心空間數據挖掘與信息共享教育部重點實驗室;
【基金】：國家“863”計劃重大項目課題(2012AA12A208)
【分類號】：D917.3;P208

【參考文獻】

相關期刊論文 前7條

1 周開樂;楊善林;丁帥;羅賀;;聚類有效性研究綜述[J];系統工程理論與實踐;2014年09期

2 唐建波;鄧敏;劉啟亮;;時空事件聚類分析方法研究[J];地理信息世界;2013年01期

3 田心如;白莉娜;唐紅f;陳廣昌;王偉麗;;江蘇省大霧持續時間及相關要素的周末效應[J];環境科學與技術;2012年S2期

4 鄧敏;劉啟亮;王佳;石巖;;時空聚類分析的普適性方法[J];中國科學:信息科學;2012年01期

5 王家耀;謝明霞;郭建忠;陳科;;基于相似性保持和特征變換的高維數據聚類改進算法[J];測繪學報;2011年03期

6 王家耀,魏海平,成毅,熊自明;時空GIS的研究與進展[J];海洋測繪;2004年05期

7 楊風召,朱揚勇;一種有效的量化交易數據相似性搜索方法[J];計算機研究與發展;2004年02期

【共引文獻】

相關期刊論文 前10條

1 唐建波;劉啟亮;劉博;鄧敏;黃金彩;胡衛松;;一種基于重排檢驗的時空聚類方法[J];武漢大學學報(信息科學版);2017年04期

2 于曉;李晨;王亞茹;;基于數據約減的聚類有效性分析[J];傳感器與微系統;2017年03期

3 李建勛;申靜靜;李維乾;王婉琳;;基于趨勢函數的空間數據聚類方法[J];計算機工程與應用;2017年06期

4 王舟;肖士燕;黃薇;潘柳波;萬R，

本文編號：1826566