基于时空分析的位置大数据挖掘方法研究

作者：谭梦茜; 邵雄凯; 刘春

来源：湖北工业大学学报, 2016, 31(02): 53-57.

DOI：10.3969/j.issn.1003-4684.2016.02.015

• 时空分析
• K-Means聚类算法
• 数据挖掘

位置数据的高维特性及其数据海量的特点,使得对位置数据的挖掘较为困难。为解决这一难题,首先对高维位置数据采用基于时空约束的频率剪枝算法进行数据清洗;然后设定时间维上兴趣时间段的约束条件,提取兴趣位置点;再根据欧式距离划分与聚类划分的原理相似性,引入K-Means聚类,实现对车主地理位置关系的挖掘。通过试验可以看出,该方法较为简便的实现了对邻里、同事关系的挖掘,结果符合该区居民的地理位置分布情况,证明了该方法的适用性。

• 单位
  湖北工业大学; 深圳市豪恩电子科技股份有限公司