一种基于个人位置信息的重要地点识别方法

基于位置的服务(LBS)正在从被动服务向主动服务的方向发展.因此,地点识别已成为LBS领域一个重要的研究方向.为提高现有地点识别方法的效率和准确性,本文提出了一种新的地点识别方法.一方面算法在数据预处理阶段采用了速度剪枝、时间剪枝和空间剪枝相结合的VSTPruning算法,能够有效减少后续阶段的聚类处理时间,提高聚类精度.另一方面,在数据预处理的基础上,综合R*-树空间索引机制、密度相交以及DBSCAN聚类算法,提出了基于密度的RTcluster聚类算法,更为迅速挖掘出用户的重要地点.仿真结果显示,相比于已有方法,VSTPruning和RTcluster的相互配合可以在有效保证聚类结果的前提下,花费与DBSCAN算法相比更少的时间,得到更准确的结果.