索马里纳德里维萨尔;拉尔斯·库利克;詹姆斯·贝利 时空轨迹的有效且通用的距离测量。 (英语) 兹比尔1458.62112 数据最小知识。迪斯科。 33,第3号,577-606(2019). 摘要:大规模轨迹数据的分析对于从交通规划到交通管理的应用具有巨大的益处。分析此类数据的一个基本组成部分是计算轨迹之间的相似性。现有的相似性计算工作主要集中在轨迹的空间方面,但很少将时间与空间结合起来考虑。考虑时间时的一个关键挑战是如何处理异步或可变速率采样的轨迹,这可能会导致不确定性。为了解决这个问题,我们将轨迹相似性量化为一个区间,而不是单个值,以捕获不同采样率和异步采样可能导致的不确定性。基于这一观点,我们提出了一种新的轨迹相似性度量——轨迹间隔距离估计,它将相似性计算建模为一个凸优化问题。使用两个实际数据集,我们证明了我们提出的度量对于评估与现有最先进度量相比的相似性非常有效。 MSC公司: 62H11型 定向数据;空间统计学 关键词:时空轨迹;相似性;距离;测量;不确定性 PDF格式BibTeX公司 XML格式引用 \textit{S.Naderivesal}等人,Data Min.Knowl。迪斯科。33,第3号,577--606(2019;Zbl 1458.62112) 全文: 内政部 参考文献: [1] 阿格拉瓦尔,R。;法卢索斯,C。;Swami,A.,《序列数据库中的高效相似性搜索》,69-84(1993),海德堡·doi:10.1007/3-540-57301-15 [2] Alt H,Godau M(1995)计算两条多边形曲线之间的Fréchet距离。国际计算几何应用杂志5(01n02):75-91·Zbl 0941.68809号 [3] Berndt DJ,Clifford J(1994)使用动态时间扭曲来发现时间序列中的模式。KDD研讨会10(16):359-370 [4] Biagioni J,Eriksson J(2012)《面对噪音和差异的地图推断》。收录:第20届地理信息系统进展国际会议论文集。ACM,第79-88页 [5] Boyd S,Vandenberghe L(2004)凸优化。剑桥大学出版社·Zbl 1058.90049号 ·doi:10.1017/CBO9780511804441 [6] Chen L,Ng R(2004)论lp-norms与编辑距离的结合。摘自:第30届超大数据库国际会议论文集,第30卷。VLDB捐赠,第792-803页 [7] Chen L,Ozsu MT,Oria V(2005)运动物体轨迹的鲁棒快速相似性搜索。摘自:2005年ACM国际数据管理会议记录(ACM SIGMOD)。ACM,第491-502页 [8] 丁H,Trajcevski G,Scheuermann P,Wang X,Keogh E(2008)时间序列数据的查询与挖掘:表征与距离测度的实验比较。摘自:第30届超大数据国际会议论文集,第1卷,第2期。VLDB捐赠,第1542-1552页 [9] Eiter T,Mannila H(1994)计算离散Fréchet距离。在:技术报告CD-TR 94/64,维也纳技术大学信息系统系 [10] 埃斯林,P。;Agon,C.,无文章标题,时间序列数据挖掘。ACM计算调查(CSUR),45,12(2012)·Zbl 1293.68104号 [11] Faloutsos C,Ranganathan M,Manolopoulos Y(1994)时间序列数据库中的快速子序列匹配。ACM 23(2):419-429 [12] Frentzos E,Gratsias K,Theodoridis Y(2007)基于索引的最相似轨迹搜索。收录于:第23届国际数据工程会议记录。IEEE,第816-825页 [13] Järvelin K,Kekäläinen J(2002),基于累积收益的红外技术评估。ACM T信息系统20(4):422-446·数字对象标识代码:10.1145/582415.582418 [14] Keogh EJ,Pazzani MJ(1998)时间序列的增强表示,允许快速准确的分类、聚类和相关反馈。Kdd 98(1):239-243 [15] Keogh E,Ratanamahatana CA(2005)动态时间扭曲的精确索引。知识信息系统7(3):358-86·doi:10.1007/s10115-004-0154-9 [16] Kuijpers,B。;Moelans,B。;Othman,W。;Vaisman,A.,使用不确定性和背景信息分析轨迹,135-152(2009),海德堡·doi:10.1007/978-3642-02982-0_11 [17] 劳贝,P。;Imfeld,S.,分析可追踪运动点对象组内的相对运动,132-144(2002),海德堡·Zbl 1015.68615号 ·doi:10.1007/3-540-45799-2_10 [18] Lee JG,Han J,Whang KY(2007)《轨迹聚类:一个分区和组框架》。摘自:国际数据管理会议记录(ACM SIGMOD)。ACM,第593-604页 [19] Lin B,Su J(2005)移动对象的基于形状的轨迹查询。收录:第13届ACM地理信息系统国际研讨会论文集。ACM,第21-30页 [20] Mamoulis N,Cao H,Kollios G,Hadjieleftheriou M,Tao Y,Cheung DW(2004)挖掘、索引和查询历史时空数据。摘自:第十届知识发现和数据挖掘国际会议论文集(ACM SIGKDD)。ACM,第236-245页 [21] Paparrizos J,Gravano L(2015)《k-shape:时间序列的高效准确聚类》。摘自:2015年ACM SIGMOD数据管理国际会议记录。ACM,第1855-1870页 [22] Pelekis N,Kopanakis I,Marketos G,Ntousi I,Andrienko G,Theodoridis Y(2007),弹道数据库中的相似性搜索。第十四届时间表征与推理国际研讨会。IEEE,第129-140页 [23] Piorkowski M,Sarafijanovic Djukic N,Grossglauser M(2009)具有集群的移动分区网络的简约模型。In:第一个国际通信系统、网络和研讨会。IEEE,第1-10页 [24] Ranu S、Deepak P、Telang AD、Deshpande P、Raghavan S(2015)在不一致采样率下索引和匹配轨迹。摘自:IEEE第31届国际数据工程会议(ICDE)会议记录。IEEE,第999-1010页 [25] Su H,Zheng K,Wang H,Huang J,Zhou X(2013)基于相似性分析的轨迹数据校准。摘自:ACM国际数据管理会议记录(ACM SIGMOD)。ACM,第833-844页 [26] Tang B,Yiu ML,Mouratidis K,Wang K(2017)使用离散fréchet距离在空间轨迹中高效发现基序。In:扩展数据库技术国际会议(EDBT) [27] Trajcevski G,Ding H,Scheuermann P,Tamassia R,Vaccaro D(2007)运动物体轨迹的动态相似性。收录:第15届ACM地理信息系统进展国际研讨会会议记录。ACM,第11页 [28] Vlachos M,Hadjieleftheriou M,Gunopulos D,Keogh E(2003)支持多重距离度量的多维时间序列索引。摘自:第九届ACM知识发现和数据挖掘国际会议论文集(ACM SIGKDD)。ACM,第216-225页 [29] Vlachos M,Kollios G,Gunopulos D(2002)发现类似的多维轨迹。摘自:第18届国际数据工程会议(ICDE)会议记录。IEEE,第673-684页 [30] 袁J,郑毅,张C,谢W,谢X,孙G,黄Y(2010)T-drive:基于出租车轨迹的驾驶方向。收录:第18届地理信息系统进展国际会议记录。ACM,第99-108页 [31] Zheng K,Trajcevski G,Zhou X,Scheuermann P(2011)道路网络上不确定轨迹的概率范围查询。摘自:第14届扩展数据库技术国际会议论文集。ACM,第283-294页 [32] Zheng K,Zheng Y,Xie X,Zhou X(2012)降低低采样率轨迹的不确定性。参加:IEEE第28届数据工程国际会议(ICDE)。IEEE,第1144-1155页 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。