Parallel Sequential Pattern Mining of Massive Trajectory Data
Parallel Sequential Pattern Mining of Massive Trajectory Data
复制标题
海量轨迹数据的并行序列模式挖掘
DOI：
10.1080/18756891.2010.9727705
复制
发表时间：
2010-09
影响因子：
2.9
通讯作者：
Qiu, Jiangtao
中科院分区：
文献类型：
--
作者：
Qiao, Shaojie;Li, Tianrui;Peng, Jing;Qiu, Jiangtao
由于位置获取技术的快速发展，轨迹模式挖掘问题引起了人们的广泛关注，而并行计算本质上为处理这一问题提供了一种新的方法。本研究正是基于新提出的轨迹模式挖掘的概念，解决了轨迹序列模式的并行挖掘问题。我们提出了一个高效和有效的并行序列模式挖掘（plute）算法，包括三个基本技术：前缀投影，数据并行制定，任务并行制定。首先，采用前缀投影技术对搜索空间进行分解，大大减少了候选轨迹序列。其次，数据并行公式分解与计算轨迹模式的支持度相关的计算。第三，任务并行公式化采用MapReduce编程模型在一组机器上分配计算。
The trajectory pattern mining problem has recently attracted much attention due to the rapid development of location-acquisition technologies, and parallel computing essentially provides an alternative method for handling this problem. This study precisely addresses the problem of parallel mining of trajectory sequential patterns based on the newly proposed concepts with regard to trajectory pattern mining. We propose an efficient and effective parallel sequential patterns mining (plute) algorithm that includes three essential techniques: prefix projection, data parallel formulation, and task parallel formulation. Firstly, the prefix projection technique is used to decompose the search space as well as greatly reduce the candidate trajectory sequences. Secondly, the data parallel formulation decomposes the computations associated with counting the support of trajectory patterns. Thirdly, the task parallel formulation employs the MapReduce programming model to assign the computations across a set of machin...
登录
查看更多内容
DOI：
10.1006/jpdc.2000.1695
发表时间：
1999-08
期刊：
J. Parallel Distributed Comput.
影响因子：
--
作者：
Mohammed J. Zaki
通讯作者：
Mohammed J. Zaki
影响因子：
3.9
作者：
Hoyoung Jeung;Man Lung Yiu;Christian S. Jensen
通讯作者：
Hoyoung Jeung;Man Lung Yiu;Christian S. Jensen
DOI：
10.1007/3-540-64383-4_24
发表时间：
1998-04
期刊：
--
影响因子：
--
作者：
T. Shintani;M. Kitsuregawa
通讯作者：
T. Shintani;M. Kitsuregawa
DOI：
10.1360/jos161262
发表时间：
2005
期刊：
Journal of Software
影响因子：
--
作者：
Zou Xiang
通讯作者：
Zou Xiang
DOI：
10.1109/icdm.2005.95
发表时间：
2005-11
期刊：
Fifth IEEE International Conference on Data Mining (ICDM'05)
影响因子：
--
作者：
H. Cao;N. Mamoulis;D. Cheung
通讯作者：
H. Cao;N. Mamoulis;D. Cheung