时空数据挖掘研究进展

被引：126

作者：

刘大有

陈慧灵

齐红

杨博

机构：

[1] 吉林大学计算机科学与技术学院

[2] 符号计算与知识工程教育部重点实验室(吉林大学)

来源：

计算机研究与发展 | 2013年 / 50卷 / 02期

关键词：

时空数据挖掘; 时空模式发现; 时空聚类; 时空异常检测; 时空预测和分类;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

近年来,随着全球定位系统、传感器网络和移动设备等的普遍使用,非时空数据和时空数据急剧增加,加之时空数据处理更为复杂,使数据处理任务日趋繁重的形势更加严峻.因此,寻找有效的时空数据挖掘方法具有十分重要的意义.针对这一背景,主要围绕时空模式发现、时空聚类、时空异常检测、时空预测、时空分类、时空数据挖掘与推理的结合等方面,对时空数据挖掘研究的现状进行了详细介绍,对其当前所面临的一些主要问题及可能的解决方案进行了探讨.

引用

页码：225 / 239

页数：15

共 32 条

[1] 一种基于概率模型的预测性时空区域查询处理 [J].

张炜 ;

李建中 ;

刘禹 .

软件学报, 2007, (02) :279-290

[2] 基于定性空间推理的多层空间关联规则挖掘算法 [J].

刘大有 ;

王生生 ;

虞强源 ;

胡鹤 .

计算机研究与发展, 2004, (04) :565-570

[3]

Mining frequent trajectory patterns in spatial–temporal databases[J] . Anthony J.T. Lee,Yi-An Chen,Weng-Chong Ip.Information Sciences . 2009 (13)

[4]

Clustering spatial–temporal precipitation data using wavelet transform and self-organizing map neural network[J] . Kuo-Chin Hsu,Sheng-Tun Li.Advances in Water Resources . 2009 (2)

[5] Spatial data mining and geographic knowledge discovery-An introduction [J].

Mennis, Jeremy ;

Guo, Diansheng .

COMPUTERS ENVIRONMENT AND URBAN SYSTEMS, 2009, 33 (06) :403-408

[6]

Mining Long, Sharable Patterns in Trajectories of Moving Objects[J] . Gy?z? Gidófalvi,Torben Bach Pedersen.GeoInformatica . 2009 (1)

[7]

Integrated Spatio‐temporal Data Mining for Forest Fire Prediction[J] . TaoCheng,JiaqiuWang.Transactions in GIS . 2008 (5)

[8]

Higher order mining[J] . John F. Roddick,Myra Spiliopoulou,Daniel Lister,Aaron Ceglar.ACM SIGKDD Explorations Newsletter . 2008 (1)

[9]

Structured machine learning: the next ten years[J] . Thomas G. Dietterich,Pedro Domingos,Lise Getoor,Stephen Muggleton,Prasad Tadepalli.Machine Learning . 2008 (1)

[10] Mining spatio-temporal patterns in object mobility databases [J].

Verhein, Florian ;

Chawla, Sanjay .

DATA MINING AND KNOWLEDGE DISCOVERY, 2008, 16 (01) :5-38

← 1 2 3 4 →