东北大学秦皇岛分校Northeastern University at Qinhuangdao位置大数据的价值提取与协同挖掘方法软件工程课程设计目录选题背景设计理论总体模型参考文献选题背景一选题背景一LBS位置服务(location based service,简称 LBS)::目前尚有很多挑战,理解位置其实就是理解位置背后所反映出来的人的活动、人的情感和人的环境,因此也被称为泛在测绘(ubiquitous mapping)或位置社会感知(location-based social awareness)[2].研究目的---位置服务选题背景一LBD位置大数据(location big data)是构成泛在测绘和位置社会感知的重要资源,,位置服务、数据挖掘和机器学习领域,“大”数据的层次。研究目的---位置大数据选题背景一LBD特点研究目的---复杂但稀疏位置大数据主要来源于车联网( of vehicles,简称 IOV)、移动社交网络等新兴互联网应用,更新速度快且具有很大的混杂性(urate).同时,往往受到数据采集技术等方面的客观制约,使得这些数据不能全面和正确地反映观察对象的整体全貌,因而具有“plex yet sparse)”,进而发现人类社群活动规律,---,通过价值提取和协同挖掘后的数据结果能够将一些看似无关的事件很好地联系在一起,从而从数据层面“直接”反映一些原本需要复杂因果建模才能得到的结果,且更加直观和准确[10?13].将简单直接的数据应用到社会经济活动、政治活动、自然环境、人类情感以及人口卫生等一系列社会学、人类学、经济学的研究中。二设计理论()() 地图的预处理(a) 网格化分区[14,15].(b) 依道路网分区[16](c) 依位置密度分区[5,17,18](d) 依参考点分区[7]
大数据(数据挖掘)以及位置地理信息 来自淘豆网m.daumloan.com转载请标明出处.
