利用事件影响域挖掘时空关联规则

首先发展了基于事件影响域的时空事务表构建策略,提出了基于事件影响域的时空关联规则挖掘方法,给出了相应的挖掘算法(简称ECSTAR算法)。通过一个实际算例验证了所提方法的可行性和有效性。

基于FP-树的时空关联规则挖掘算法研究

提出一种基于FP-树的时空关联规则挖掘算法,即STFP-tree(Spatio-temporal FP-tree)算法.算法对时空数据进行时间上的划分,并用空间谓词分析空间对象间的位置关系,最终生成同时考虑时间和空间特征的FP-树,进而挖掘出强时空关联规则.实验结果证明了算法的有效性,适用于对时空数据进行分析挖掘.

基于0-1矩阵的时空关联规则提取方法研究

基于Apriori算法提出了基于0-1矩阵的时空关联规则挖掘算法,并以挖掘不同年代的土地覆盖现状之间的时空关联关系作为试验案例,对比Apriori算法的提取结果和提取效率,研究结果表明:该算法不仅减少了扫描数据库的次数,而且减少了冗余候选项集的产生,提高了时空关联规则的提取效率。

Spark环境下犯罪人员时空关联规则挖掘

针对关于潜在犯罪人员的预测、挖掘效果不佳,利用犯罪人员、交通出行和住宿消费等数据,在Spark分布式运算框架下,基于FP-growth的时空关联规则方法,分析犯罪人员数据和其他数据之间的关联规则,挖掘出潜在的犯罪人员。首次提出将关联规则算法用于普通出行消费数据实现潜在犯罪人员的预测。该方法已成功应用于X市警务系统,通过实践检验证明该方法在发现潜在犯罪人员方面的有效性。

基于时空关联规则挖掘的城市交通拥堵传导预测

对城市交通拥堵进行准确预测是智能交通领域的重要研究问题.为更准确地预测道路拥堵状态和挖掘拥堵传导规则,本文提出了一个新的基于时空关联规则的交通拥堵传导预测模型.该模型使用基于遗传网络规划(GNP)的时空关联规则挖掘算法识别交通拥堵在不同时间、不同地点的共现规则,揭示了交通拥堵的时空传导模式.最后,本文基于北京市交通状态实测数据的实证结果验证了该模型具有较高的预测性能.该模型突破已有研究“先流量预测,再状态分析”的技术路径,将交通拥堵状态作为直接研究对象,揭示了交通拥堵的时空动态传导规律,从而可支持城市交通主管部门提前采取更加系统化的应对措施,提高交通拥堵的前瞻性和动态性处置能力.

基于加权时空关联规则的公交扒窃犯罪模式识别

近年来,公交扒窃案呈上升趋势,为了预防和打击此类犯罪,需要有效识别其犯罪模式。传统的犯罪分析方法,往往将时间和空间分割开来研究,本文则引入加权时空关联规则进行挖掘分析,试图找出公交扒窃的案发时空规律。首先,对公交扒窃数据进行时间粒度和空间粒度的划分,将公交主要运营时间以2 h为单位划分成等间隔的公交时段并对其进行编码,将公交线路按公交站点划分成公交路段;其次,对数据进行空间分析和时间归并,提取出每个案件发生的公交路段和案发时段,并将案发时段归并到公交时段中;再次,由于每个公交路段的案发率不同,其对结果的贡献率也不同,因此,给每个路段赋予一个权重;最后,用Apriori算法进行加权关联规则挖掘,得到公交扒窃的时空犯罪模式。研究表明,这种挖掘方法具有以下特点:(1)按公交站点进行公交路段的划分具有创新性;(2)通过对案发路段的加权,能将空间位置重要程度的差异区分开来,更符合实际情况;(3)挖掘过程中同时考虑了时间与空间属性。

通用关联规则挖掘框架的设计与实现

对适用于多种数据类型的关联规则挖掘框架进行了研究。从概率论出发讨论了支持度计算问题,提出利用有限测度计算项集支持度的方法,分析了Apriori性质的本质,提出通用关联规则挖掘算法的设计思路。在此基础上,设计并实现了通用关联规则挖掘框架,使用该框架进行了事务、空间和时空数据的挖掘实验,验证了其可行性、通用性及正确性。

非指定时间约束的社会安全事件关联规则挖掘

关联规则挖掘是社会安全事件分析的重要方法之一,用于发现事件属性项及事件间的潜在关联。该文分析了社会安全事件的时空特性,利用时空关联规则挖掘方法分析事件属性项间的时空关联。为解决现有时空关联规则挖掘方法需要事先指定挖掘时间区间的问题,提出一种非指定时间约束的时空关联规则挖掘方法,根据事件时间属性值和时间划分粒度为事件空间和专题属性项增加时间标识,用时间标识代替时间属性值,得到全时间域内带有时间指向性的关联规则挖掘结果。以全球恐怖主义事件数据库为数据源,对该方法进行验证,结果表明其具有一定的可靠性与实用性,能够为社会安全事件的分析与预测、快速响应与防范提供决策依据。

基于海洋要素时空配置的渔场形成机制发现模型和应用

针对海洋时空要素和相关渔业资源的互动性及非线性关系 ,分析了带空间结构的变量间关系问题 ,建立基于海洋要素场时空配置的渔场形成机制发现模型 .将海洋要素场的空间配置用邻域进行表达 ,并将邻域所取得的要素状态变量转换为决策系统的关系表 ,以提取海洋场时空配置和渔场形成的时空关联规则 .以大沙渔场形成的温度场时空配置发现为实例 。

在物流RFID数据库中挖掘时空模式

对传统的关联规则进行改进,结合时间和空间属性,提出了适合在物流RFID数据库中挖掘时空频繁模式的一些相关概念:频繁装(卸)货地点、频繁直达路径和频繁转运路径等。利用这些概念和有效的剪枝策略能快速准确地挖掘出物流RFID数据库中隐含的非平凡模式,可为物流公司的科学管理与线路优化提供及时准确的决策依据。