CN113468390A - 一种时空共现分析模型和方法 - Google Patents
一种时空共现分析模型和方法 Download PDFInfo
- Publication number
- CN113468390A CN113468390A CN202110725001.2A CN202110725001A CN113468390A CN 113468390 A CN113468390 A CN 113468390A CN 202110725001 A CN202110725001 A CN 202110725001A CN 113468390 A CN113468390 A CN 113468390A
- Authority
- CN
- China
- Prior art keywords
- target
- time
- space
- occurrence
- spatio
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000010225 co-occurrence analysis Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims description 8
- 239000002002 slurry Substances 0.000 claims description 9
- 230000008447 perception Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000011160 research Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Library & Information Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明具体涉及一种时空共现分析模型,包括目标时空数据获取模块、目标时空模型生成模块、时空共现模型判定模块和时空共现模型生成模块;所述目标时空数据获取模块用于获取目标时空数据,并从目标时空数据中提取目标时空共现数据发送目标时空模型生成模块;所述目标时空模型生成模块用于生成目标时空模型发送时空共现模型判定模块;所述时空共现模型判定模块用于判定每两个目标时空模型属于何种目标时空共现情形;所述时空共现模型生成模块用于生成相应的时空共现模型。本发明提供的时空共现分析模型同时考虑目标在时间、地点、事件属性上的共现,获取更丰富的共现形式,对态势分析、研究敏感目标具有重要意义。
Description
技术领域
本发明涉及计算机数据处理技术领域,特别是涉及一种时空共现分析模型和方法。
背景技术
要实现航天多源异构信息全天时、全天候、全地域融入和服务于国家安全、指挥决策,以及民生经济,不仅仅要知道目标什么时候在哪里,还要能挖掘出目标什么时候在哪里干什么,获取丰富的目标情报信息。关键是要基于我国现有的航天电子感知、遥感信息资源基础,尽快开展基于航天多源异构信息进行时空事件提取研究,有效挖掘目标在不同地点所参与的事件,解决对敏感目标所参与的敏感事件的发现与预测问题,可对态势及时预判。
在数据挖掘中进行了很多与共现分析相关的研究,这些研究都承认事件的时空背景会增加分析的复杂性。一个相关的较早概念是共置,这意味着对象经常位于彼此靠近的位置。后来,研究人员开始使用共现的概念来考虑语义丰富的时空上下文中的共现现象。引入了具有不同时空约束的多种特定时空共现模式,这反映了共现模式的多样性。探索预定义空间事件的共现模式也已在可视化研究中受到关注。这些工作还不能够解决事件定义和检测的任务。它们中的大多数旨在发现事件的个别同时发生,而不是持续不变的同时发生模式。
现有工作对空间事件的共现数据主要来自于基于位置的社交网络(LBSN)数据,或是从新闻报道中挖掘事件的时空信息,这样的数据缺乏对事件持续时间的描述,也缺乏对确定目标和目标之间时空共现的关系分析。而利用常见的基于位置的数据进行分析的研究,例如手机GPS数据,自行车共享数据和交通流量数据,都缺乏对事件信息的描述能力。
发明内容
基于此,有必要针对现有时空共现分析技术不能同时实现目标在时间、地点、事件属性属性上的共现的问题,提供一种时空共现分析模型,该时空共现分析模型能够同时考虑目标在时间、地点、事件属性属性上的共现,获取更丰富的共现形式。
为了实现上述目的,本发明提供如下技术方案:
本发明提供一种时空共现分析模型,包括目标时空数据获取模块、目标时空模型生成模块、时空共现模型判定模块和时空共现模型生成模块;
所述目标时空数据获取模块用于获取目标时空数据,并从目标时空数据中提取目标时空共现数据发送目标时空模型生成模块;
所述目标时空模型生成模块用于接收目标时空数据获取模块发送的目标时空共现数据,并生成目标时空模型(TS)发送时空共现模型判定模块;
所述时空共现模型判定模块用于接收目标时空模型生成模块发送的目标时空模型(TS),并判定每两个目标时空模型(TS)属于何种目标时空共现情形;
所述时空共现模型生成模块用于接收时空共现模型判定模块发送的判定结果,生成相应的时空共现模型(CM)。
进一步地,所述目标时空数据包括目标的类型、目标在访问地点的起始时间、目标在访问地点的停留时长、目标的访问地点、目标在访问地点的停留时长和目标的访问地点的空间语义信息。
进一步地,所述目标时空数据从航天电子感知数据、航天遥感图像和/或GIS数据中获取。
进一步地,从航天电子感知数据或航天遥感图像中获取目标的类型,目标在访问地点的起始时间,目标在访问地点的停留时长,以及目标的访问地点;从GIS数据中获取目标的访问地点,以及目标在访问地点的停留时长和目标的访问地点的空间语义信息。
进一步地,所述目标时空共现数据包括同时出现的目标的类型、同时出现目标参与的事件类型、同时出现目标的访问地点、同时出现目标的在访问地点的起始时间和同时出现目标在访问地点的停留时长。
进一步地,所述目标时空模型(TS)的表达式为:
进一步地,所述目标时空共现包括以下四种情形:
情形1:同时出现的目标的访问地点相同,但同时出现的目标参与的事件类型不同,且持续一段时间;
情形2:同时出现的目标的访问地点相同,且同时出现的目标参与的事件类型相同,且持续一段时间;
情形3:同时出现的目标的访问地点不同,但同时出现的目标参与的事件类型相同,且持续一段时间;
情形4:同时出现的目标的访问地点不同,且同时出现的目标参与的事件类型不同,且持续一段时间。
进一步地,判定两个目标时空模型(TS)是否属于情形1时,需要判定所述目标时空模型(TS)是否满足如下公式:
如果目标时空模型(TS)满足上述公式,即可生成表达式如下的目标时空共现模型(CM):
CM={On,Om,En,Em,Ln}
其中,On是目标n,Om是目标m;En是目标n参与的事件类型,Em是目标m参与的事件类型;Ln是目标n访问的地点,Lm是目标m访问的地点;tsn(Ln)是目标n在Ln的起始时间,tsm(Lm)是目标m在Lm的起始时间;是目标n在Ln的停留时间,是目标m在Lm的停留时间;θ是目标停留时间的阈值;n=1、2、3...,m=1、2、3...,n≠m。
进一步地,判定两个目标时空模型(TS)是否属于情形2时,需要判定两个目标时空模型(TS)是否满足如下公式:
如果两个目标时空模型(TS)满足上述公式,即可生成表达式如下的目标时空共现模型(CM):
CM={On,Om,En,Ln}
其中,On是目标n,Om是目标m;En是目标n参与的事件类型,Em是目标m参与的事件类型;Ln是目标n访问的地点,Lm是目标m访问的地点;tsn(Ln)是目标n在Ln的起始时间,tsm(Lm)是目标m在Lm的起始时间;是目标n在Ln的停留时间,是目标m在Lm的停留时间;θ是目标停留时间的阈值;n=1、2、3...,m=1、2、3...,n≠m。
进一步地,判定两个目标时空模型(TS)是否属于情形3时,需要判定两个目标时空模型(TS)是否满足如下公式:
如果两个目标时空模型(TS)满足上述公式,即可生成表达式如下的目标时空共现模型(CM):
CM={On,Om,En,Ln,Lm}
其中,On是目标n,Om是目标m;En是目标n参与的事件类型,Em是目标m参与的事件类型;Ln是目标n访问的地点,Lm是目标m访问的地点;tsn(Ln)是目标n在Ln的起始时间,tsm(Lm)是目标m在Lm的起始时间;是目标n在Ln的停留时间,是目标m在Lm的停留时间;θ是目标停留时间的阈值;n=1、2、3...,m=1、2、3...,n≠m。
进一步地,判定两个目标时空模型(TS)是否属于情形4时,需要判定两个目标时空模型(TS)是否满足如下公式:
如果两个目标时空模型(TS)满足上述公式,即可生成表达式如下的目标时空共现模型(CM):
CM={On,Om,En,Em,Ln,Lm}其中,On是目标n,Om是目标m;En是目标n参与的事件类型,Em是目标m参与的事件类型;Ln是目标n访问的地点,Lm是目标m访问的地点;tsn(Ln)是目标n在Ln的起始时间,tsm(Lm)是目标m在Lm的起始时间;是目标n在Ln的停留时间,是目标m在Lm的停留时间;θ是目标停留时间的阈值;n=1、2、3...,m=1、2、3...,n≠m。
本发明还提供一种时空共现分析方法,包括如下步骤:
1、获取目标时空数据,并从目标时空数据中提取目标时空共现数据;
2、根据目标时空共现数据生成目标时空模型(TS);
3、判定每两个目标时空模型(TS)属于何种目标时空共现情况;
4、根据判定结果生成相应的目标时空共现模型(CM)。
本发明的有益技术效果:
本发明提供的时空共现分析模型不仅考虑目标在时间、地点属性上的共现,还将事件属性也融入共现模型,描述同时出现的目标同时发生的事件,获取更丰富的共现形式,对态势分析、研究敏感目标具有重要意义。
附图说明
图1为本发明提供的时空共现分析流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细地说明。
本发明提供一种时空共现分析模型,包括目标时空数据获取模块、目标时空模型生成模块、时空共现模型判定模块和时空共现模型生成模块;
所述目标时空数据获取模块用于获取目标时空数据,并从目标时空数据中提取目标时空共现数据发送目标时空模型生成模块;
所述目标时空模型生成模块用于接收目标时空数据获取模块发送的目标时空共现数据,并生成目标时空模型(TS)发送时空共现模型判定模块;
所述时空共现模型判定模块用于接收目标时空模型生成模块发送的目标时空模型(TS),并判定每两个目标时空模型(TS)属于何种目标时空共现情形;
所述时空共现模型生成模块用于接收时空共现模型判定模块发送的判定结果,生成相应的时空共现模型(CM)。
进一步地,所述目标时空数据包括目标的类型、目标在访问地点的起始时间、目标在访问地点的停留时长、目标的访问地点、目标在访问地点的停留时长和目标的访问地点的空间语义信息。
进一步地,所述目标时空数据从航天电子感知数据、航天遥感图像和/或GIS数据中获取。
进一步地,从航天电子感知数据或航天遥感图像中获取目标的类型,目标在访问地点的起始时间,目标在访问地点的停留时长,以及目标的访问地点;从GIS数据中获取目标的访问地点,以及目标在访问地点的停留时长和目标的访问地点的空间语义信息。
进一步地,所述目标时空共现数据包括同时出现的目标的类型、同时出现目标参与的事件类型、同时出现目标的访问地点、同时出现目标的在访问地点的起始时间和同时出现目标在访问地点的停留时长。
进一步地,所述目标时空模型(TS)的表达式为:
共现的含义不仅仅是同时同地出现,更广义的共现对分析目标之间的时空规律更有意义。而这种广义的共现要求目标是同时出现或事件同时发生即可,按照广义共现的含义,可按照同时同地异事、同时同地同事、同时异地同事、同时异地异事建立四类共现模型。满足这四类模型定义的时空关系,即可全面获取更有意义的共现目标。
进一步地,所述目标时空共现包括以下四种情形:
情形1:同时出现的目标的访问地点相同,但同时出现的目标参与的事件类型不同,且持续一段时间;
情形2:同时出现的目标的访问地点相同,且同时出现的目标参与的事件类型相同,且持续一段时间;
情形3:同时出现的目标的访问地点不同,但同时出现的目标参与的事件类型相同,且持续一段时间;
情形4:同时出现的目标的访问地点不同,且同时出现的目标参与的事件类型不同,且持续一段时间。
进一步地,判定两个目标时空模型(TS)是否属于情形1时,需要判定两个目标时空模型(TS)是否满足如下公式:
如果两个目标时空模型(TS)满足上述公式,即可生成表达式如下的目标时空共现模型(CM):
CM={On,Om,En,Em,Ln}
其中,On是目标n,Om是目标m;En是目标n参与的事件类型,Em是目标m参与的事件类型;Ln是目标n访问的地点,Lm是目标m访问的地点;tsn(Ln)是目标n在Ln的起始时间,tsm(Lm)是目标m在Lm的起始时间;是目标n在Ln的停留时间,是目标m在Lm的停留时间;θ是目标停留时间的阈值;n=1、2、3...,m=1、2、3...,n≠m。
进一步地,判定两个目标时空模型(TS)是否属于情形2时,需要判定两个目标时空模型(TS)是否满足如下公式:
如果两个目标时空模型(TS)满足上述公式,即可生成表达式如下的目标时空共现模型(CM):
CM={On,Om,En,Ln}
其中,On是目标n,Om是目标m;En是目标n参与的事件类型,Em是目标m参与的事件类型;Ln是目标n访问的地点,Lm是目标m访问的地点;tsn(Ln)是目标n在Ln的起始时间,tsm(Lm)是目标m在Lm的起始时间;是目标n在Ln的停留时间,是目标m在Lm的停留时间;θ是目标停留时间的阈值;n=1、2、3...,m=1、2、3...,n≠m。
进一步地,判定两个目标时空模型(TS)是否属于情形3时,需要判定两个目标时空模型(TS)是否满足如下公式:
如果两个目标时空模型(TS)满足上述公式,即可生成表达式如下的目标时空共现模型(CM):
CM={On,Om,En,Ln,Lm}
其中,On是目标n,Om是目标m;En是目标n参与的事件类型,Em是目标m参与的事件类型;Ln是目标n访问的地点,Lm是目标m访问的地点;tsn(Ln)是目标n在Ln的起始时间,tsm(Lm)是目标m在Lm的起始时间;是目标n在Ln的停留时间,是目标m在Lm的停留时间;θ是目标停留时间的阈值;n=1、2、3...,m=1、2、3...,n≠m。
进一步地,判定两个目标时空模型(TS)是否属于情形4时,需要判定两个目标时空模型(TS)是否满足如下公式:
如果两个目标时空模型(TS)满足上述公式,即可生成表达式如下的目标时空共现模型(CM):
CM={On,Om,En,Em,Ln,Lm}
其中,On是目标n,Om是目标m;En是目标n参与的事件类型,Em是目标m参与的事件类型;Ln是目标n访问的地点,Lm是目标m访问的地点;tsn(Ln)是目标n在Ln的起始时间,tsm(Lm)是目标m在Lm的起始时间;是目标n在Ln的停留时间,是目标m在Lm的停留时间;θ是目标停留时间的阈值;n=1、2、3...,m=1、2、3...,n≠m。
本发明还提供一种时空共现分析方法,包括如下步骤:
1、获取目标时空数据,并从目标时空数据中提取目标时空共现数据;
2、根据目标时空共现数据生成目标时空模型(TS);
3、判定目标时空模型(TS)属于何种目标时空共现情况;
4、根据判定结果生成相应的目标时空共现模型(CM)。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种时空共现分析模型,其特征在于,包括目标时空数据获取模块、目标时空模型生成模块、时空共现模型判定模块和时空共现模型生成模块;
所述目标时空数据获取模块用于获取目标时空数据,并从目标时空数据中提取目标时空共现数据发送目标时空模型生成模块;
所述目标时空模型生成模块用于接收目标时空数据获取模块发送的目标时空共现数据,并生成目标时空模型发送时空共现模型判定模块;
所述时空共现模型判定模块用于接收目标时空模型生成模块发送的目标时空模型,并判定每两个目标时空模型属于何种目标时空共现情形;
所述时空共现模型生成模块用于接收时空共现模型判定模块发送的判定结果,生成相应的时空共现模型。
2.根据权利要求1所述的时空共现分析模型,其特征在于,所述目标时空数据包括目标的类型、目标在访问地点的起始时间、目标在访问地点的停留时长、目标的访问地点、目标在访问地点的停留时长和目标的访问地点的空间语义信息。
3.根据权利要求1所述的时空共现分析模型,其特征在于,所述目标时空数据从航天电子感知数据、航天遥感图像和/或GIS数据中获取。
4.根据权利要求3所述的时空共现分析模型,其特征在于,从航天电子感知数据或航天遥感图像中获取目标的类型,目标在访问地点的起始时间,目标在访问地点的停留时长,以及目标的访问地点。
5.根据权利要求3所述的时空共现分析模型,其特征在于,从GIS数据中获取目标的访问地点,以及目标在访问地点的停留时长和目标的访问地点的空间语义信息。
6.根据权利要求1所述的时空共现分析模型,其特征在于,所述目标时空共现数据包括同时出现的目标的类型、同时出现目标参与的事件类型、同时出现目标的访问地点、同时出现目标的在访问地点的起始时间和同时出现目标在访问地点的停留时长。
8.根据权利要求1所述的时空共现分析模型,其特征在于,所述目标时空共现包括以下四种情形:
情形1:同时出现的目标的访问地点相同,但同时出现的目标参与的事件类型不同,且持续一段时间;
情形2:同时出现的目标的访问地点相同,且同时出现的目标参与的事件类型相同,且持续一段时间;
情形3:同时出现的目标的访问地点不同,但同时出现的目标参与的事件类型相同,且持续一段时间;
情形4:同时出现的目标的访问地点不同,且同时出现的目标参与的事件类型不同,且持续一段时间。
9.根据权利要求8所述的时空共现分析模型,其特征在于,判定两个目标时空模型TS是否属于情形1时,需要判定所述目标时空模型TS是否满足如下公式:
如果目标时空模型TS满足上述公式,即可生成表达式如下的目标时空共现模型CM:
CM={On,Om,En,Em,Ln};
判定两个目标时空模型TS是否属于情形2时,需要判定两个目标时空模型TS是否满足如下公式:
如果两个目标时空模型TS满足上述公式,即可生成表达式如下的目标时空共现模型CM:
CM={On,Om,En,Ln};
判定两个目标时空模型TS是否属于情形3时,需要判定两个目标时空模型TS是否满足如下公式:
如果两个目标时空模型TS满足上述公式,即可生成表达式如下的目标时空共现模型CM:
CM={On,Om,En,Ln,Lm};
判定两个目标时空模型TS是否属于情形4时,需要判定两个目标时空模型TS是否满足如下公式:
如果两个目标时空模型TS满足上述公式,即可生成表达式如下的目标时空共现模型CM:
CM={On,Om,En,Em,Ln,Lm};
10.一种时空共现分析方法,其特征在于,使用权利要求1-9任意一项所述的时空共现分析模型,包括如下步骤:
(1)、获取目标时空数据,并从目标时空数据中提取目标时空共现数据;
(2)、根据目标时空共现数据生成目标时空模型;
(3)、判定每两个目标时空模型属于何种目标时空共现情况;
(4)、根据判定结果生成相应的目标时空共现模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110725001.2A CN113468390B (zh) | 2021-06-29 | 2021-06-29 | 一种时空共现分析系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110725001.2A CN113468390B (zh) | 2021-06-29 | 2021-06-29 | 一种时空共现分析系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113468390A true CN113468390A (zh) | 2021-10-01 |
CN113468390B CN113468390B (zh) | 2024-02-20 |
Family
ID=77873590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110725001.2A Active CN113468390B (zh) | 2021-06-29 | 2021-06-29 | 一种时空共现分析系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113468390B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010231605A (ja) * | 2009-03-27 | 2010-10-14 | Denso It Laboratory Inc | イベント判断装置 |
US20150294221A1 (en) * | 2012-07-13 | 2015-10-15 | Telefonica, S.A. | A method and a system for generating context-based content recommendations to users |
CN108256032A (zh) * | 2018-01-11 | 2018-07-06 | 天津大学 | 一种对时空数据的共现模式进行可视化的方法及装置 |
CN111540477A (zh) * | 2020-04-20 | 2020-08-14 | 中国科学院地理科学与资源研究所 | 基于手机数据的呼吸道传染病密切接触者识别方法 |
-
2021
- 2021-06-29 CN CN202110725001.2A patent/CN113468390B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010231605A (ja) * | 2009-03-27 | 2010-10-14 | Denso It Laboratory Inc | イベント判断装置 |
US20150294221A1 (en) * | 2012-07-13 | 2015-10-15 | Telefonica, S.A. | A method and a system for generating context-based content recommendations to users |
CN108256032A (zh) * | 2018-01-11 | 2018-07-06 | 天津大学 | 一种对时空数据的共现模式进行可视化的方法及装置 |
CN111540477A (zh) * | 2020-04-20 | 2020-08-14 | 中国科学院地理科学与资源研究所 | 基于手机数据的呼吸道传染病密切接触者识别方法 |
Non-Patent Citations (1)
Title |
---|
谢彬;张琨;蔡颖;蒋彤彤;麻孟越;: "移动目标关联共现规则挖掘算法研究", 计算机工程, no. 08 * |
Also Published As
Publication number | Publication date |
---|---|
CN113468390B (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhu et al. | KNN-based approximate outlier detection algorithm over IoT streaming data | |
CN106407278A (zh) | 一种大数据平台的架构设计系统 | |
US20140140610A1 (en) | Unsupervised Object Class Discovery via Bottom Up Multiple Class Learning | |
CN109902297A (zh) | 一种威胁情报生成方法及装置 | |
CN111078765A (zh) | 基于Hadoop体系架构的视图库系统及其构建方法 | |
Shahabi et al. | Janus-multi source event detection and collection system for effective surveillance of criminal activity | |
Cerezo-Costas et al. | Discovering geo-dependent stories by combining density-based clustering and thread-based aggregation techniques | |
Li et al. | Energy-efficient anomaly detection with primary and secondary attributes in edge-cloud collaboration networks | |
Wang et al. | Outlier detection over sliding windows for probabilistic data streams | |
US9332031B1 (en) | Categorizing accounts based on associated images | |
CN114003634A (zh) | 基于es技术的大数据分析检索系统及方法 | |
CN113468390A (zh) | 一种时空共现分析模型和方法 | |
Zhang et al. | Automatic report generation based on multi-modal information | |
Tang et al. | Anomaly detection in social-aware IoT networks | |
Otgonbayar et al. | $ X-BAND $: Expiration Band for Anonymizing Varied Data Streams | |
US9692804B2 (en) | Method of and system for determining creation time of a web resource | |
Xu et al. | RETRACTED: Crowd Sensing Based Semantic Annotation of Surveillance Videos | |
CN113536084B (zh) | 一种时空事件提取系统和方法 | |
CN113505217A (zh) | 基于大数据实现工程造价数据库快速形成的方法和系统 | |
CN107992474A (zh) | 一种流式数据主题挖掘方法及其系统 | |
CN112907134B (zh) | 不同业务场景的人机可视化交互分析与操控系统及方法 | |
Liu et al. | A traffic monitoring stream-based real-time vehicular offence detection approach | |
Li et al. | An Entity-Based Fine-Grained Geolocalization of User Generated Short Text | |
WO2019050274A1 (en) | SEMANTIC DIMENSIONS IN A USER INTERFACE | |
KR20110056999A (ko) | 의미 기반 특징을 이용한 유해 영상 판별 및 차단 방법 및 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |