提出了一种直径逐渐增长算法,用于检测轨迹数据中的k- floks。

Luan Almeida, Vinicius E. C. Verdade, D. Kaster
{"title":"提出了一种直径逐渐增长算法,用于检测轨迹数据中的k- floks。","authors":"Luan Almeida, Vinicius E. C. Verdade, D. Kaster","doi":"10.5753/erbd.2021.17245","DOIUrl":null,"url":null,"abstract":"Há uma demanda crescente por dispositivos para coletar e analisar informações relacionadas à geolocalização, incluindo a descoberta de padrões de comovimento de objetos móveis. Entre os padrões de comovimento mais relevantes está o padrão Flock. Um flock é um conjunto de objetos que se movem juntos, definidos por um disco móvel de diâmetro fixo, por um período consecutivo de instantes de tempo. Recentemente, foi proposta uma variação desse padrão, denominada padrão kϵ-Flocks, que dispensa a definição do parâmetro distância. O algoritmo existente para detectar kϵ-Flocks segue uma abordagem top-down, começando por umúnico flock candidato e realizando subdivisões sucessivas até encontrar k flocks com o menor diâmetro possível. Este trabalho propõe um novo algoritmo bottom-up para o problema kϵ-Flocks, baseado no agrupamento iterativo de elementos próximos no espaço até detectar os kϵ-Flocks. O trabalho descreve os fundamentos da solução, discute sua correção e apresenta o algoritmo proposto. Espera-se que o algoritmo proposto seja mais eficiente que o algoritmo top-down em muitos casos típicos.","PeriodicalId":293556,"journal":{"name":"Anais da XVI Escola Regional de Banco de Dados (ERBD 2021)","volume":"23 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2021-09-13","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Proposta de Algoritmo por Crescimento Gradativo de Diâmetro para Detecção de k-Flocks em Dados de Trajetórias\",\"authors\":\"Luan Almeida, Vinicius E. C. Verdade, D. Kaster\",\"doi\":\"10.5753/erbd.2021.17245\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Há uma demanda crescente por dispositivos para coletar e analisar informações relacionadas à geolocalização, incluindo a descoberta de padrões de comovimento de objetos móveis. Entre os padrões de comovimento mais relevantes está o padrão Flock. Um flock é um conjunto de objetos que se movem juntos, definidos por um disco móvel de diâmetro fixo, por um período consecutivo de instantes de tempo. Recentemente, foi proposta uma variação desse padrão, denominada padrão kϵ-Flocks, que dispensa a definição do parâmetro distância. O algoritmo existente para detectar kϵ-Flocks segue uma abordagem top-down, começando por umúnico flock candidato e realizando subdivisões sucessivas até encontrar k flocks com o menor diâmetro possível. Este trabalho propõe um novo algoritmo bottom-up para o problema kϵ-Flocks, baseado no agrupamento iterativo de elementos próximos no espaço até detectar os kϵ-Flocks. O trabalho descreve os fundamentos da solução, discute sua correção e apresenta o algoritmo proposto. Espera-se que o algoritmo proposto seja mais eficiente que o algoritmo top-down em muitos casos típicos.\",\"PeriodicalId\":293556,\"journal\":{\"name\":\"Anais da XVI Escola Regional de Banco de Dados (ERBD 2021)\",\"volume\":\"23 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2021-09-13\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Anais da XVI Escola Regional de Banco de Dados (ERBD 2021)\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.5753/erbd.2021.17245\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais da XVI Escola Regional de Banco de Dados (ERBD 2021)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/erbd.2021.17245","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

对收集和分析地理位置相关信息的设备的需求越来越大,包括发现移动物体的移动模式。其中最相关的移动模式是Flock模式。蜂群是一组一起移动的物体,由一个固定直径的移动圆盘定义,持续一段时间。最近,有人提出了这种模式的一种变体,称为k柱一-弗洛克斯模式,它免除了距离参数的定义。现有的检测k柱一群的算法遵循自上而下的方法,从单个候选群开始,然后进行连续的细分,直到找到直径最小的k群。本文提出了一种新的自底向上的k柱一floks问题算法,该算法基于空间中相邻元素的迭代聚类,直到检测到k柱一floks。本文介绍了求解的基本原理,讨论了求解的正确性,并提出了算法。在许多典型情况下,该算法有望比自顶向下算法更有效。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
Proposta de Algoritmo por Crescimento Gradativo de Diâmetro para Detecção de k-Flocks em Dados de Trajetórias
Há uma demanda crescente por dispositivos para coletar e analisar informações relacionadas à geolocalização, incluindo a descoberta de padrões de comovimento de objetos móveis. Entre os padrões de comovimento mais relevantes está o padrão Flock. Um flock é um conjunto de objetos que se movem juntos, definidos por um disco móvel de diâmetro fixo, por um período consecutivo de instantes de tempo. Recentemente, foi proposta uma variação desse padrão, denominada padrão kϵ-Flocks, que dispensa a definição do parâmetro distância. O algoritmo existente para detectar kϵ-Flocks segue uma abordagem top-down, começando por umúnico flock candidato e realizando subdivisões sucessivas até encontrar k flocks com o menor diâmetro possível. Este trabalho propõe um novo algoritmo bottom-up para o problema kϵ-Flocks, baseado no agrupamento iterativo de elementos próximos no espaço até detectar os kϵ-Flocks. O trabalho descreve os fundamentos da solução, discute sua correção e apresenta o algoritmo proposto. Espera-se que o algoritmo proposto seja mais eficiente que o algoritmo top-down em muitos casos típicos.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Estudo comparativo de plataformas de Deep Learning: Apache Singa, Graphlab e H2O Análise da violência doméstica no município de Curitiba Modelo de predição de valores de mercado para apartamentos na Barra da Tijuca utilizando Regressão Linear Múltipla Modelagem Probabilística de Tópicos: Uma Comparação Empírica Estudos de caso de análise de perfis de usuários agrupados por hashtags no Twitter
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1