基于數(shù)據挖掘的移動行為預測.pdf

1、無線網絡技術的發(fā)展與移動設備的流行，使得基于地理位置服務有廣泛的應用，地理位置服務的研究也在最近幾年興起。最活躍的方向就是挖掘與預測移動對象路徑與關聯(lián)交易，大部分的研究都集中在從移動行為日志中挖掘移動模式。但這些研究大多沒有考慮時間因素對移動對象的影響。
　　 數(shù)據挖掘理論的成熟與技術的發(fā)展，使得我們更有效的從海量數(shù)據發(fā)現(xiàn)有用的信息。在1995年R.Agrawal提出了序列模式挖掘，學者作了很多的研究并且提出了很多很有效的算法來

2、提高序列挖掘的效率。本文分析了基于時間的Apriori算法的主要缺點：產生大量的候選序列模式，候選序列長度的增加是通過短序列連接而成，這些候選序列模式的規(guī)模是序列長度的指數(shù)級；多次掃描序列數(shù)據集，序列模式的產生必須要計算序列的支持度，只有當序列的支持度大于預先設定的最小值時，這個序列才能稱為序列模式。本文應用prefixSpan方法去改進基于時間的類Apriori算法。prefixSpan并不像類Apriori算法那樣會產生不存在的候選