-
题名面向轨迹数据流的KNN近似查询
被引量：4
- 1
-
-
作者
王考杰
郑雪峰
宋一丁
曲阜平
-
机构
北京科技大学信息工程学院
总后勤部后勤科学研究所
中国人民解放军
-
出处
《计算机工程》
CAS
CSCD
北大核心
2011年第16期17-20,共4页
-
基金
国家科技支撑计划基金资助重点项目(2006BAG01A07)
-
文摘
提出一种基于滑动窗口的K-最近邻(KNN)近似查询算法。将滑动窗口内数据通过聚类划分成若干大小不一的基本窗口,针对每个基本窗口给定一个采样率,对窗口内数据进行偏倚采样,形成数据流摘要,并基于该摘要,采用计算几何平面扫描算法执行分布式最近邻查询。仿真实验结果表明该算法有效,且具有较好的可扩展性。
-
关键词
轨迹数据流
局部聚类
偏倚采样
数据摘要
K-最近邻查询
-
Keywords
trajectory data stream
local clustering
biased sampling
data synopses
K-Nearest Neighbor（KNN） query
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于局部聚类的轨迹数据流偏倚采样
被引量：1
- 2
-
-
作者
王考杰
郑雪峰
宋一丁
安丰亮
-
机构
北京科技大学信息工程学院
总后勤部后勤科学研究所
-
出处
《计算机科学》
CSCD
北大核心
2011年第5期135-137,185,共4页
-
基金
国家科技支撑计划重点项目(2006BAG01A07)资助
-
文摘
移动对象轨迹数据管理是移动计算领域的研究热点。通过采样技术构造数据流摘要是普遍采用的方法之一。传统的均匀采样往往容易丢失某些关键变化数据。利用轨迹数据流的局部连续性特征,提出一种基于滑动窗口的偏倚采样算法。算法将滑动窗口通过聚类划分成若干大小不一的基本窗口,并针对每个基本窗口给定一个采样率,对窗口内数据进行偏倚采样,从而形成数据流摘要。算法利用了轨迹数据的内在特征,因此具有较高的采样质量。最后,基于实际数据对算法进行了实验,结果证明了算法的有效性。
-
关键词
轨迹数据流
偏倚采样
局部聚类
-
Keywords
Trajectory stream
Biased sampling
Local cluster
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于滑动窗口密度聚类的数据流偏倚采样算法
被引量：2
- 3
-
-
作者
胡志冬
任永功
杨雪
-
机构
辽宁师范大学计算机与信息技术学院
-
出处
《计算机科学》
CSCD
北大核心
2013年第9期254-256,269,共4页
-
基金
辽宁省计划项目基金(2012232001)
辽宁省自然科学基金(201202119)资助
-
文摘
对于移动计算领域的移动对象轨迹数据流的管理,最普遍采用的技术手段是采样技术,而传统的均匀采样易丢失一些关键的变化数据,造成信息丢失现象。针对这一问题,提出一种基于概率密度聚类的数据流偏倚采样算法。该算法在滑动窗口模型下,充分利用了轨迹数据流自身的分布特性,结合偏倚采样算法思想克服了均匀采样的数据丢失问题。算法首先采用基于数据存在密度的聚类技术将滑动窗口划分为强簇、弱簇和过度簇,然后针对不同的簇给予不同的采样率,进行偏倚采样,进而得到最终的数据流摘要。经过实际数据集的实验检测,证明算法较好地保证了采样质量,并具有较快的数据处理能力。
-
关键词
轨迹数据流
滑动窗口
密度聚类
偏倚采样
-
Keywords
Trajectory data stream, Sliding window, Density clustering, Bias sampling
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
