一种基于位置数据库聚类的动态适应缓存位置信息策略

移动环境中提高定位移动用户性能的一个重要方法是缓存用户的位置信息,然而已经提出的缓存策略针对的是单个用户,造成缓存的效率不高,针对群体用户提出了一种基于位置数据库聚类的动态适应缓存位置信息(DACaL)策略,其中位置数据库聚类算法通过挖掘群体移动用户的运动模式对位置数据库进行聚类,以确定缓存层次和降低位置管理的代价,动态适应缓存位置信息算法根据聚类结果对位置数据库进行重组,在相邻聚类之间缓存位置信息,建立旁路指针,以缩短消息传输的路径和减少查询位置数据库的次数,实验表明,DACaL策略能够有效地降低总体代价,性能上优于相关策略,     

基于QuickBundles算法的轨迹聚类方法

随着卫星定位传感器的普及应用,形成了海量移动对象的轨迹数据.轨迹数据含有丰富的时空特征信息,通过对相关数据聚类处理,可以挖掘出移动对象的活动场景、位置等属性信息.通过借鉴神经成像学领域中的QuickBundles算法,介绍算法原理和实现,并基于此算法实现了一种轨迹聚类方法,通过使用实际GPS数据对此方法进行验证,从对聚...     

数据赋能重大公共安全事件应急管理研究

<正>近年来自然灾害、事故灾难、公共卫生事件和社会安全事件等公共安全事件多发,如何提高突发公共安全事件处置能力尤其是处理范围广、难度大、扩散快的特别重大、重大公共安全事件的应急管理能力,是当前各级政府需要解决的重要现实课题。公共安全事件防控的关键流程离不开数据信息的支撑。数据治理不仅为公共安全事件的应急管理提供了全面性、关联性、系统性的思维模式,而且为应急管理的决策和实施提供了科学、客观、有效的技术支持。     

基于聚类的位置数据库动态重组

在无线移动计算环境中,如何合理地组织和存储移动对象(mobile object)的配置信息从而有效地降低查询和更新代价是位置管理(location management)中的一个重要问题.将数据挖掘应用到移动计算环境中是一项具有挑战性的研究课题,具有广阔的应用前景.从数据挖掘的角度出发,提出了一种优化位置数据库的解决方案.首先采用一种新的层次聚类算法对移动日志聚类,然后根据聚类的结果对位置数据库动态重组,从而有效地降低了查询和更新代价.     

一种基于用户移动行为相似性的位置预测方法

随着移动通信技术和车载定位系统的发展和广泛应用,基于位置服务越来越受到人们的关注。位置预测技术是其重要组成部分,并有着广泛的应用。在实际应用中,由于采集点丢失或新用户出现等,GPS轨迹数据往往具有稀疏特性,使得基于单个用户数据的位置预测的准确率较低。针对这种情况,文中提出了基于移动行为相似性和用户聚类的Markov位置预测方法。首先,为使预测的位置具有物理意义,提出了基于Voronoi图的区域划分方法,并基于区域轨迹进行位置预测;其次,提出了同时考虑用户转移特性和用户区域特性的移动行为相似性计算方法;再次,根据移动行为相似性对用户进行聚类,并在聚类的用户组上采用一阶Markov模型进行位置预测,提高了位置预测的准确性。在真实GPS轨迹数据上的实验表明了所提方法的有效性。     

基于密度聚类的电力设备位置信息分析方法研究

传统的数据聚类处理主要采用基于聚类中心的方式，但其存在一些限制，例如需要预先确定聚类中心的数量，并对数据的分布形态有一定的要求。针对这一问题，本论文选择基于密度聚类算法作为解决方案，重点研究了电力设备位置信息的聚类问题。在介绍密度聚类原理和常用算法的基础上，分析了电力设备位置信息的特点和处理方法，介绍了OPTICS、HDBSCAN和DBSCAN三种密度聚类算法的实现步骤，并与传统的K-mean聚类算法进行比较，通过实验设计和结果分析，验证了密度聚类方法的有效性和适用性。最后，通过应用案例分析，探讨了这些方法在电力系统分析中的应用实例和价值。研究结果表明，基于密度聚类算法的电力设备位置信息聚类方法可以有效地帮助电力系统实现数据的快速分析，具有重要的理论和应用价值。     

基于位置信息的移动SNS数据动态划分复制算法

现有社交网络数据划分算法大多关注于好友关系和交互关系,忽略了位置信息,造成基于位置查询的响应时间较长。针对该问题,设计了一种移动社交网络双层社交图模型,该模型考虑了移动社交网络中用户交互行为的位置依赖性特点;并在此基础上提出了一种基于位置信息的移动社交网络数据动态划分复制算法MSDPR,该算法采用改进的K-Means算法对位置信息进行聚类,再根据聚类结果对数据进行划分,并利用社交关系进行数据的复制。实验结果表明:MSDPR算法在移动社交网络环境下能够有效地提高本地访问率,降低访问延迟,并且在动态加入数据时具有较好的适应性。     

基于物联网和混合云的公共安全管理平台研究

目前的公共安全管理平台存在着信息采集困难、数据传输不及时和数据处理无法实现智能化等问题。为此,将物联网技术与云技术相结合,设计一种新型的公共安全管理平台框架,其中利用物联网技术来解决公共安全管理信息的全天候、多样化采集以及实时传输,利用云技术来实现海量数据的高效分析和智能化处理。利用该平台,可以有效实现公共安全事件的实时监控、及时预警,以及应急处理时的跨职能部门统一调度。另外,还对该新型公共安全管理平台建设中存在的标准化问题和信息安全问题进行了深入讨论,并给出了指导性方案。该方案的研究将有助于我国新一代公共安全管理平台的建设。     

聚类算法在应急系统中的应用

针对城市中的应急事件,运用数据挖掘技术为应急系统提供高质量的信息支持。应用数据挖掘中的聚类分析手段解决应急事件的分类问题是研究的重点。实现了k-means聚类算法及其扩展算法k-modes,并将它们应用到应急事件的数据库中,最终实现了应急事件的高效分类。     

基于时空因素聚类算法的研究与应用

为了发现移动对象的迁徙轨迹和经停地, 提出结合经停地检测算法和单链接聚类算法的方法。通过青海湖鸟类的历史位置信息验证该方法的准确性和有效性, 并与应用于本领域的其他方法进行分析比较, 如DBSCAN聚类算法、减聚类及模糊聚类算法。结果显示提出的方法能够克服对比算法仅考虑迁徙数据空间位置信息的缺点, 准确有效地挖掘出鸟类经停地和迁徙轨迹。     

基于移动WiMAX的灾害应急宽带可视化通信系统研究

随着频发的公共安全问题,对应急通信系统的要求越来越高。移动WiMAX技术以其组网快、速率高、容量大等优势,提供了快速可靠的宽带可视化应急通信系统。本文详细讨论几种基于移动WiMAX的可视化应用方案,阐述基于移动WiMAX的灾害应急宽带可视化通信系统的可行性。     

支持多维标签云的移动餐厅推荐系统仿真研究

实现了一个可提供基于位置的移动餐厅推荐及导航服务的系统。结合最新的Web2.0应用数据,实现了多模式的餐厅信息推送服务,包括基于模糊条件约束的查询机制,基于位置的地图浏览模式和基于三维标签云的协同信息共享机制,为用户提供实时的基于位置的餐厅个性推荐及导航。同时,针对移动手机屏幕较小,显示内容受限的问题,研究并提出了一个“面向移动终端的多维标签云可视化方法”,并实现了一种标签云关联分析和聚类算法,实现了基于用户偏好的快速导航。     

移动计算系统中位置数据库组织

移动计算系统中移动用户的位置信息管理是非常重要的问题。目前,商用移动通信系统采用两层结构组织的位置数据库管理移动用户位置信息。由于其可扩展性较差,人们提出把位置数据库组织成树状的层次结构来管理移动用户位置信息。不同移动单元的位置数据库组织对移动用户位置管理代价有很大影响,本文考虑到不同移动单元中移动用户的移动模式特点,基于集合覆盖理论,设计实现了一个启发算法来对位置数据库进行组织,减少了位置管理的代价。实验显示,该位置数据库聚簇显著减少了位置更新的代价。     

加权最近邻聚类在SOC中的应用

本文对网络安全管理中心（SOC）的报警技术进行了研究,提出了一种具有权值的最近邻算法的聚类方法,对经过初步过滤、规范化后的报警信息与知识库中已有规则进行聚类,获取真正的攻击事件并完成攻击场景的重构,对报警信息进一步进行关联分析提供了有力保障。通过测试及应用表明,本文所应用的方法在可用性、灵活性、获取攻击事件的准确性以及处理效率上要优于其它方法。     

露天煤矿无人驾驶运输系统应急管理体系研究

随着智能化矿山的发展,露天煤矿无人驾驶运输系统已逐步开展实验应用,但新技术的应用带来新的管理挑战,已有的应急管理体系无法满足新的现状需求。针对上述问题,从现状分析、体系框架设计、体系构建、未来发展趋势等4个方面,对露天煤矿无人驾驶运输系统应急管理体系进行了研究。首先,分析了露天煤矿无人驾驶运输系统应急管理现状,总结了应急管理工作中可能面临的新挑战：新技术应用经验不足、缺乏针对性应急管理内容、信息共享及协调能力弱导致事件处置流程与内容不够明确。其次,对露天煤矿无人驾驶运输系统的突发事件进行了分类（包括运输事故类、气象灾害类、通信事故类、火灾类及其他类）,并结合露天煤矿企业安全及应急管理的总体要求,针对性地设计了露天煤矿无人驾驶运输系统的应急管理体系框架,涵盖了生产作业过程中对突发性危机事件的预防、监控、处理和恢复整个环节。然后,从应急准备与演练、监测预警、应急响应、处置管理4个方面对露天煤矿无人驾驶运输系统应急管理体系建设内容进行了详细分析。最后,基于智能化矿山发展背景,探讨了露天煤矿应急管理体系未来发展趋势,包括调度管理与应急处置一体化、应急预案编制智能化、信息安全重视高度化。研究成果...     

基于触发词指导的自相似度聚类事件检测

传统方法将事件检测任务看作分类问题,将词作为实例来训练分类器,容易导致训练正反例不平衡,同时,在语料库规模较小时存在一定的数据稀疏问题。首先避开以词为实例进行分类,在事件类别判断上引入聚类思想,在事件触发词的指导下,采用自相似度对K-means聚类算法中的K值进行自收敛,优化了聚类算法。然后结合命名实体及其位置信息,对事件类别进行详细定位,很好地解决了传统事件检测对类别模板的依赖性,所检测的事件在文本摘要、检索和主题检测与追踪上得到了很好的应用。     

突发事件网络舆情信息分类方法研究

根据公共安全网络舆情研究的需求,将文本分类技术应用于突发事件应急管理中,提出了基于TFIDF分类方法的突发事件引发的网络舆情信息分类方法,设计类别样本并读入新闻文本,对文本进行中文分词,通过计算新闻文本和类别样本的相似度将新闻文本分到相似度最大的类别之中。通过编程实现了按照事件类型和地理位置两种分类方式对新闻文本进行分类,程序分类结果验证了该方法的实用性。     

基于无线局域网的室内临近位置检测代理实现

传统基于网络的位置服务系统主要是为远程用户提供查询移动对象位置的信息服务。而现有基于移动终端的位置感知服务不能满足位置上下文应用的要求．为了达到系统自动自发的上下文交互目的。需要在应用中定义一个位置检测代理来捕获移动设备的位置变化事件．生成有效的上下文信息．本文使用简单贝叶斯分类算法实现了基于无线局域网的临近位置检测代理．在室内环境中进行实验表明。该方法可根据实际需要调整位置检测的范围与准确度。具有可行性与灵活性．     

一种用于位置数据库结构调整的增量聚类算法

在移动通信网络环境中,如何合理地组织和存储移动对象的配置信息,从而有效地降低查询和更新代价是位置管理中的一个重要问题.将数据挖掘应用到移动计算环境中是一项具有挑战性的研究课题,具有广阔的应用前景.区域划分能够优化位置数据库的拓扑结构,有效地降低查询和更新代价.但是随着时间的迁移,用户的移动模式会发生改变,导致原有区域的划分与当前的移动模式不符,因此产生了动态区域划分这一亟待解决的重要问题.聚类可以很好地解决区域划分问题,而对于动态区域划分问题,如果仍然采用聚类来解决,就等于重新划分,没有充分利用原有划分的信息,所需代价很大.提出了一种增量的聚类算法来解决动态区域划分问题.该方法以较小的代价调整原有划分,使得新得到的划分仍然满足区域划分所需满足的条件.     

网络舆情热点信息自动发现方法

根据公共安全网络舆情研究的需求,将中文分词技术应用于突发事件应急管理中,提出基于ICTCLAS分词技术的网络舆情热点信息的自动发现方法。该方法读入新闻文本并进行分词和词频统计,从词频表中去除停用词,合并多单位关键词得到突发事件热点信息关键词列表,对网络信息及时进行检索,为突发事件应急决策提供技术支持。通过1个突发事件的实例验证了该方法的实用性和可靠性。