时空轨迹大数据分布式蜂群模式挖掘算法

针对时空轨迹大数据的蜂群模式挖掘需求,提出了一种高效的基于MapReduce的分布式蜂群模式挖掘算法。首先,提出了基于最大移动目标集的对象集闭合蜂群模式概念,并利用最小时间支集优化了串行挖掘算法;其次,提出了蜂群模式的并行化挖掘模型,利用蜂群模式时间域无关性,并行化了聚类与子时间域上的蜂群模式挖掘过程;第三,设计了一个基于MapReduce链式架构的分布式并行挖掘算法,通过四个阶段快速地实现了蜂群模式的并行挖掘;最后,在Hadoop平台上,使用真实交通轨迹大数据集对分布式算法的有效性和高效性进行了验证与分析。

面向实时查询处理的轨迹流挖掘框架

为了解决轨迹数据流中实时查询问题,提出了一种面向实时查询处理的轨迹数据流挖掘框架(trajectory data streammining framework,TSMF),该框架包括2个部分:在线的轨迹数据流挖掘和离线的实时查询处理。在线部分,首先,对实时接收的轨迹数据作基于密度的线段流聚类,获取到密度聚集的线段簇,然后,在轨迹簇树和蜂群模式哈希表存储索引结构上,根据线段簇结果对轨迹簇和蜂群模式进行在线更新;离线部分,实现了当前关闭轨迹簇(current closed trajectory clusters query,CCTC)、当前关闭蜂群模式(current closed swarm query,CCSwarm)和邻居轨迹(k-nearest nejghboring trajectory,k-NNT)3种面向移动目标的实时查询处理方法以响应用户的实时查询请求,当用户请求查询时,在实时挖掘出的轨迹簇和蜂群模式中快速查找结果。在大规模真实数据和合成数据上的综合实验验证了TSMF的挖掘效果、高效率性、可扩展性和较高的查询处理速度。

中国式的“自治共同体”:论作为“帮”的梁山泊

梁山泊类型的中国"帮"式自治共同体,具有超家族的家族性、乌托邦追求的异托邦性、非生产性的生产方式、强者面目的弱者集合、神圣格调的神秘化等性质。梁山共同体的"蜂群模式"效率,来自于共同认同的核心信念与内部制度设计的公正公平性,"原则性的道德"高于"团体道德"以及仪式的养护。但是,随着这种共同体核心信念的萎缩与消解,权利意识导致团体功能和制度的异化,以及成员们个性人格的变化,"帮"只能通过不断地与外部力量的战斗来强化边界以凝聚团体,一旦团体外部压力消失,这种自治共同体就必然走向崩溃。