Mining Maximal Dynamic Spatial Colocation Patterns
Mining Maximal Dynamic Spatial Colocation Patterns
复制标题
挖掘最大动态空间托管模式
DOI：
10.1109/tnnls.2020.2979875
复制
发表时间：
2018-12
影响因子：
10.4
通讯作者：
Jiangli Duan
中科院分区：
文献类型：
--
作者：
Xin Hu;Guoyin Wang;Jiangli Duan
空间托管模式表示空间特征的子集，其实例通常位于一个地理空间中。虽然已经提出了许多挖掘空间配置模式的算法，但仍然存在以下问题。这些方法错过了某些有意义的模式(例如：{<斜体>灵药</斜体>_<斜体>lucidum</斜体><sub>new</sub>, <斜体>maple</斜体>_<斜体>tree</斜体><sub>dead</sub>}和{<斜体>water</斜体>_<斜体>风信子</斜体><sub>new</sub>(increase), <斜体>algae</斜体><sub>dead</sub>（减少）})，如果两个或两个以上特征的实例以相同/近似比例增加/减少（即new/dead），则得出错误的结论。这对流行的模式没有影响；而现有的方法在挖掘普遍的空间配置模式时效率较低，因为普遍的空间配置模式数量非常多。因此，我们首次提出了能够反映空间特征之间动态关系的动态空间配置模式的概念。其次，挖掘少量流行的最大动态空间配位模式，从而派生出所有流行的动态空间配位模式，提高了获得所有流行动态空间配位模式的效率；第三，提出了一种挖掘流行的最大动态空间配置模式的算法和两种修剪策略。最后，在真实/合成数据集上进行了大量实验，验证了所提方法和修剪策略的有效性和效率。
A spatial colocation pattern represents a subset of spatial features with instances that are prevalently located together in a geographic space. Although many algorithms for mining spatial colocation patterns have been proposed, the following problems still remain. these methods miss certain meaningful patterns (e.g., {<italic>Ganoderma</italic>_<italic>lucidum</italic><sub>new</sub>, <italic>maple</italic>_<italic>tree</italic><sub>dead</sub>} and {<italic>water</italic>_<italic>hyacinth</italic><sub>new</sub>(increase), <italic>algae</italic><sub>dead</sub>(decrease)}) and obtain a wrong conclusion if the instances of two or more features increase/decrease (i.e., new/dead) in the same/approximate proportion, which has no effect on the prevalent patterns; and the efficiency of existing methods is low in mining prevalent spatial colocation patterns, because the number of prevalent spatial colocation patterns is quite large. Therefore, we first propose the concept of a dynamic spatial colocation pattern that can reflect the dynamic relationships among spatial features. Second, we mine a small number of prevalent maximal dynamic spatial colocation patterns that can derive all prevalent dynamic spatial colocation patterns, which can improve the efficiency of obtaining all prevalent dynamic spatial colocation patterns. Third, we propose an algorithm for mining prevalent maximal dynamic spatial colocation patterns and two pruning strategies. Finally, the effectiveness and efficiency of the proposed method and the pruning strategies are verified by extensive experiments over real/synthetic data sets.
登录
查看更多内容
DOI：
10.1109/cits.2016.7546420
发表时间：
2016-07
期刊：
2016 International Conference on Computer, Information and Telecommunication Systems (CITS)
影响因子：
--
作者：
Junli Lu;Lizhen Wang;Yuan Fang
通讯作者：
Junli Lu;Lizhen Wang;Yuan Fang
DOI：
10.1109/tnnls.2016.2536104
发表时间：
2017-06
影响因子：
10.4
作者：
B. Wang;K. Merrick;H. Abbass
通讯作者：
B. Wang;K. Merrick;H. Abbass
DOI：
10.1109/tnnls.2014.2303137
发表时间：
2014-06
影响因子：
10.4
作者：
Azadeh Soltani;M. Akbarzadeh-Totonchi
通讯作者：
Azadeh Soltani;M. Akbarzadeh-Totonchi
DOI：
10.1007/978-981-13-0896-3_5
发表时间：
2017-12
期刊：
--
影响因子：
--
作者：
Jiasong Zhao;Lizhen Wang;Peizhong Yang;Hongmei Chen
通讯作者：
Jiasong Zhao;Lizhen Wang;Peizhong Yang;Hongmei Chen
DOI：
10.1007/978-3-642-40235-7_25
发表时间：
2013-08
期刊：
--
影响因子：
--
作者：
Zhi Liu;Y. Huang
通讯作者：
Zhi Liu;Y. Huang