基于时空数据分类的用户社交联系学习*

按照时空数据模型对时间和空间的表达方式,将时空数据模型分为基于时间的时空数据模型和基于空间的时空数据模型。本文提出了一种新的基于时空数据预测用户社交联系的模型,该模型将基于时间的时空数据集的特征和基于空间的时空数据集的特征进行融合,来预测用户社交联系。实验结果表明基于时间与空间特征融合的时空数据模型能更好地预测用户的社交联系。     

面向对象的3级结构时空数据模型

时态GIS的组织核心是地理时空数据库。时空数据模型则是时空数据库的基础。文中对已有的时态属性数据表达方法，时空数据模型进行了系统的分析。对设计时空数据模型所必须解决的问题进行了讨论。从面向对象的基本概念出发，着重阐述了面向对象时空数据模型的设计方法，完整地定义和描述了时空数据模型所涉及的时空对象类型。文中还对模型的时态属性数据组织和空间对象的时态处理进行了描述。     

海战场时空关系研究

时空关系是时空数据模型中体现时空语义的重要部分,在海战场时空数据模型整体框架中起着重要的作用。根据海战场数据特点对现有空间、时态关系表达方式进行了遴选分析并修改补充,建立了完整的海战场时空关系表达方式,着重论述了海战场时空拓扑关系的表达。在此基础上,分析了海战场时空关系的应用情景,提出了适于海战场时空关系的表达运算。     

时空数据库中数据建模的研究

研究了时空数据库中的时空建模技术。早期表示时空信息的数据模型通常用基于几何学的空间对象来表示实体，重要的特性都用空间对象的属性来表示。时态信息可以与基于时间戳的独立层次相关联，也可以与独立的空间对象相关联。随着时空建模的进一步发展，出现了面向对象的数据模型和基于事件的数据模型。综合研究了这些典型的时空数据模型，讨论了它们的应用及时空分析建模的作用。此外介绍了针对移动对象的数据类型的建模方法，以及在时空分析数据库管理系统STADBS中，基于Realms的二级平衡二叉树的时空数据模型。     

深度卷积记忆网络时空数据模型

时空数据是包含时间和空间属性的数据类型.研究时空数据需要设计时空数据模型,用以处理数据与时间和空间的关系,得到信息对象由于时间和空间改变而产生的行为状态变化的趋势.交通信息数据是一类典型的时空数据.由于交通网络的复杂性和多变性,以及与时间和空间的强耦合性,使得传统的系统仿真和数据分析方法不能有效地得到数据之间的关系.本文通过对交通数据中临近空间属性信息的处理,解决了由于传统时空数据模型只关注时间属性导致模型对短时间间隔数据预测能力不足的问题,进而提高模型预测未来信息的能力.本文提出一个全新的时空数据模型—深度卷积记忆网络.深度卷积记忆网络是一个包含卷积神经网络和长短时间记忆网络的多元网络结构,可以提取数据的时间和空间属性信息,通过加入周期和镜像特征提取模块对网络进行修正.通过对两类典型时空数据集的验证,表明深度卷积记忆网络在预测短时间间隔的数据信息时,相较于传统的时空数据模型,不仅预测误差有了很大程度的降低,而且模型的训练速度也得到提升.     

中国大百科全书《航空航天》卷关于“数据采集和处理”的阐述

中国大百科全书《航空航天》卷,设有“数据采集和处理”[注]一个条目,恰好同本刊的刊名一致。为了增进对本刊业务范围的了解,特将该条目的释文择要摘录于后,以供参考。该条目首先给出了“数据采集和处理”的定义——获取、汇集、加工、记录、存贮和显示数据的方法和系统。接着对航空航天巾采集数据的类型作了如下阐述:①飞行器的性能和     

基于时空模型的地籍信息数据库设计方法探讨

介绍了基态修正时空数据模型和改进基态修正时空数据模型,把改进基态时空数据模型引入到地籍信息系统中;分析了时空数据模型下地籍信息中宗地的组织原则,而后从概念设计、逻辑设计和图层设计以及数据库管理设计等方面探讨了利用改进基态修正模型进行地籍信息系统数据库的设计方法.利用该方法,可很大程度上节约地籍数据的存储空间和存取时间,更有利于地籍信息的时空查询.     

基于UML类图的模糊时空数据建模

模糊性广泛存在于时空应用领域,现有的时空数据模型缺乏描述和表达模糊时空对象内在机制和语义关系的能力。通过研究模糊时空数据语义,给出了模糊时空数据模型的形式化定义,在此基础上对UML类图进行扩展,提出一种模糊时空UML数据模型,并用例子说明本文所提模糊时空数据模型的可用性。     

时空数据模型的研究与进展*

时态地理信息系统(TGIS)以表达、管理和分析动态变化的地理现象为目的,其核心是时空数据库,因此对时空数据库的理论基础——时空数据模型的研究十分必要。目前的时空数据模型主要有简单模型、时空联合模型、时空属三域模型、基于对象/特征的模型和基于事件/过程的模型等。首先对这些模型进行了回顾,对其优缺点和侧重点进行了分析对比,然后在此基础上对时空数据模型的进一步研究方向进行了剖析。     

基于HMM的百科辞典文本中句子的知识点分类

在百科全书条目文本中,往往以几个不同的侧面说明一个条目,一个侧面构成有关这一条目的一个知识点。知识点是一般文本处理领域中话题这一概念在百科全书文本中的具体表现。属于同一个类型的条目文本中总是重复出现有限的几个知识点,这些知识点构成了有关该类型的知识点集合,并且这些知识点在该类型不同的条目文本中的分布有较强的规律性。在条目文本中识别出对应的知识点序列是百科全书中知识提取过程的重要一环。该文提出了一种基于隐马尔科夫(HMM)模型的方法,利用知识点在条目文本中的转移规律以及知识点的词特征分布来判断每个句子的知识点类别。实验表明这个方法能取得较好的结果,在《中国大百科全书》地理卷的中国县市类型的条目文本中的实验结果的正确率为91.8%。     

可变场所的异常行为识别方法

在视觉分析中,人的同一动作在不同场景下会有截然不同的理解.为了判断在不同场景中行为是否为异常,在监控系统中使用双层词包模型来解决这个问题.把视频信息放在第1层包中,把场景动作文本词放在第2层包中.视频由一系列时空兴趣点组成的时空词典表示,动作性质由在指定场景下的动作文本词集合来确定.使用潜在语义分析概率模型(pLSA)不但能自动学习时空词的概率分布,找到与之对应的动作类别,也能在监督情况下学习在规定场景下运动文本词概率分布并区分出对应异常或正常行动结果.经过训练学习后,该算法可以识别新视频在相应场景下行为的异常或正常.     

一种平面移动对象的时空数据模型

提出了一种平面移动对象的时空数据模型--OPH模型.在该模型中,平面移动对象由3种几何表示,即平面对象的观测几何O,目前存在的几何P以及平面移动对象的历史几何H.通过几何点集的差、并、交,研究并得出OPH的递归计算和更新策略.通过分析对象之间的空间拓扑关系和时间关系,得出两个平面移动对象在重叠时间区间上的时空拓扑关系.利用OPH模型,定义了平面移动对象的速度、方向、影响范围等空间方法;利用时空拓扑关系和空间方法,确定时空查询和空间触发事件.     

基于数据冗余控制的移动群智感知任务分配方法

移动群智感知系统中任务之间存在时空覆盖重叠性,这可能导致重复数据收集从而引发数据冗余问题,为此,提出了一种可同时控制任务内以及任务间数据冗余的任务分配方法。该方法首先提出基于长短期记忆（LSTM）神经网络的轨迹序列预测模型,对任务参与者进行细分时空单元的轨迹序列预测,然后根据轨迹预测结果提出最小化数据冗余的优化模型。通过最小化时空单元的数据冗余度来控制单个任务内的数据冗余问题,并通过让单个任务参与者在时空单元中的感知数据被最大化重复利用来控制多个任务之间时空覆盖重叠性带来的数据冗余。实验结果表明,提出的任务分配方法可以有效地减少任务内及任务间的数据冗余。     

GIS属性数据不确定性及其传播研究

属性数据的不确定性直接影响地理信息系统(GIS)分析决策结果的准确性和可靠性。将GIS属性数据的整个生命周期分成数据采集与准备、数字化信息提取、信息综合和属性数据表达等阶段,研究属性数据不确定性在各阶段的传播,构造其传播模型,提出属性数据不确定性的合成算法与传播算法,实验结果验证了该模型的可用性与有效性。     

Clustering Text Data Streams

Clustering text data streams is an important issue in data mining community and has a number of applica- tions such as news group filtering,text crawling,document organization and topic detection and tracing etc.However, most methods axe similaxity-based approaches and only use the TF*IDF scheme to represent the semantics of text data and often lead to poor clustering quality.Recently,researchers argue that semantic smoothing model is more efficient than the existing TF*IDF scheme for improving text clus...     

Modeling Spatial-Temporal Data with a Short Observation History

A novel method is proposed for forecasting spatial-temporal data with a short observation history sampled on a uniform grid. The method is based on spatial-temporal autoregressive modeling where the predictions of the response at the subsequent temporal layer are obtained using the response values from a recent history in a spatial neighborhood of each sampling point. Several modeling aspects such as covariance structure and sampling, as well as identification, model estimation and forecasting issues, are discussed. Extensive experimental evaluation is performed on synthetic and real-life data. The proposed forecasting models were shown capable of providing a near optimal prediction accuracy on simulated stationary spatial-temporal data in the presence of additive noise and a correlated model error. Results on a spatial-temporal agricultural dataset indicate that the proposed methods can provide useful prediction on complex real-life data with a short observation history.     

融合评分矩阵和评论文本深度神经网络推荐模型

针对个性化推荐中用户评分矩阵数据集稀疏,用户和项目描述信息未充分利用的问题,提出融合评分矩阵和评论文本的深度神经网络推荐模型(deep neural network recommendation model,DeepRec)。首先将通过数据预处理得到的用户偏好特征和项目属性特征的文本集合分别输入到卷积神经网络进行训练,得到用户和项目的深层次非线性特征,同时将评分矩阵输入多层感知机得到用户偏好隐表示,并对两种模型提取的用户偏好隐表示进行融合;其次利用多层感知机建模用户和项目隐表示对用户进行个性化推荐;最后基于三组数据集以均方根误差为评估指标进行对比实验。结果表明DeepRec的预测误差更低,有效提高了推荐的精准度。     

移动地理信息系统中的多源异构数据融合模型

为了提高移动地理信息系统在野外数据采集过程中对多源异构数据的组织管理效率,在分析现有方法局限性和数据自身结构的基础上,提出一种基于可交换图像文件(EXIF)原理以数字图像为载体融合空间位置信息和一般形式属性的数据模型。该模型将关联的空间位置和一般属性嵌入到数字图像的物理结构中,从而实现关联数据的高度整合。基于该模型设计开发了野外数据采集系统,系统应用于农业资源管理与决策分析领域,验证了模型的有效性和实际效果。     

中文文本的事件时空信息标注

基于文本数据源的地理空间信息解析研究侧重于地名实体、空间关系等空间语义角色的标注和抽取,忽略了丰富的时间信息、主题事件信息及其时空一体化信息。该文通过分析中文文本中事件信息描述的语言特点和事件的时空语义特征,基于地名实体和空间关系标注研究成果,制定了中文文本的事件时空信息标注体系和标注模式,并以GATE(General Architecture for Text Engineering)为标注平台,以网页文本为数据源,构建了事件时空信息标注语料库。研究成果为中文文本中地理信息的语义解析提供标准化的训练和测试数据。