国家自然科学基金(61173093)
- 作品数：3 被引量：17H指数：3
- 相关作者：孙鹤立黄健斌康剑梅齐俊杰张盼盼更多>>
- 相关机构：西安电子科技大学西安交通大学计算机软件新技术国家重点实验室更多>>
- 发文基金：中央高校基本科研业务费专项资金国家自然科学基金中国博士后科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 融合语义特征的移动对象轨迹预测方法被引量：7
- 2014年
- 提出一种融合语义特征的移动对象轨迹预测方法．该方法首先将用户的地理位置轨迹转化成语义轨迹，挖掘出语义模式集，同时在语义轨迹中分析用户的移动行为和规律，将具有相似语义行为的用户进行聚类，并挖掘出每个聚类的地理模式集．然后，基于挖掘到的用户个体语义模式集和相似用户地理模式集，构造用来索引和局部匹配的模式树STP-Tree和SLP-Tree．通过对STP-Tree和SLP-Tree的索引和局部匹配，引入一个加权函数实现给定对象运动的语义位置预测．此方法在传统的地理模式预测方法的基础上融合语义特征，可以有效地提取用户的语义活动行为，克服地理位置点特征的局限．在大量真实和人工轨迹数据集上的实验结果表明：该方法的预测准确率较传统方法均有显著提高．
- 黄健斌张盼盼皇甫学军孙鹤立
- 关键词：轨迹预测语义特征模式树
- 一种基于同步动力学模型的网络社团发现方法被引量：4
- 2012年
- 提出一种基于建模同步动力学行为的Kuramoto模型的网络社团发现算法SYN.该方法首先将网络中节点对象按照链接密度关系进行排序,每一个节点对象用一个一维坐标值表示,从而将网络数据矢量化.在聚类过程中,采用同步聚类原理对一个局部邻域内的对象实现同步,最终同步到一起的节点形成一个社团.通过不断扩大节点同步的邻域半径,可以得到不同分辨率的多种社团划分结果.结合社团模块度函数,可以自动选择最佳聚类结果.方法不依赖于任何数据分布假设,可以检测出任意数量、大小和形状的社团.在大量人工合成数据集和真实数据集上的实验结果表明其聚类准确率较高.
- 黄健斌白杨康剑梅钟翔张鑫孙鹤立
- 关键词：社团发现矢量化
- 一种基于同步动力学模型的层次聚类方法被引量：7
- 2013年
- 本文基于建模同步动力学行为的Kuramoto模型提出了一种新的有效层次聚类方法.本文提出的方法基于局部邻域的概念,能够实现稳定的局部同步聚类.通过不断扩大对象同步的邻域半径,所提出的方法能够实现层次化的同步聚类.此外,提出对象邻域闭包的概念,在对象间到达完全同步之前就能预测出聚类的形成,从而减少对象动态交互的时间.本文的方法不依赖于任何数据分布假设,无需任何手工参数设置,可以检测出任意数量、形状和大小的聚类.由于同步过程能够有效地规避离群点,该方法有较强的噪声数据抑制能力.在大量真实数据集和人工合成数据集上的实验结果表明本文的方法聚类准确率高,且运行时间较同类基准算法显著缩短.
- 黄健斌康剑梅齐俊杰孙鹤立
- 关键词：层次聚类离群点检测
