从时空数据中挖掘共定位演化序列

《Knowledge-Based Systems》：Mining Co-location Evolving Sequences from Spatio-Temporal Data

　　

文心段|培忠杨|红梅陈|李珍王

摘要

空间共位模式挖掘旨在发现那些在地理空间中频繁共同出现的空间特征子集。一些研究将时间因素纳入共位模式挖掘中，以揭示共位模式随时间的演变过程。然而，这些方法仅通过评估模式在下一个时间槽内是扩展还是收缩来考察共位模式的演变，而没有考虑这种演变背后的原因。为了解决这一局限性，本研究提出了共位演变序列挖掘的概念，该概念充分考虑了变化实例对共位模式中特征关联强度的影响。首先，为了评估共位演变序列的重要性，定义了一个用于两个序列演变的共位指数，随后将其扩展为适用于更长序列的序列指数。接着，设计了一个实例重叠指数来衡量两个可连接序列之间的关联程度。为了提高效率，通过整合两种剪枝策略和一种增量挖掘技术，开发了一种共位演变序列挖掘算法（CESM_IER）。从理论上分析了CESM_IER的复杂性、完整性和正确性。在真实数据集上进行的广泛实验证明了所提算法的有效性和高效性。