自然科学版 英文版
自然科学版 英文版
自然科学版 英文版
自然科学版 英文版
英文版编委
自然科学版 英文版
英文版首届青年编委

您目前所在的位置:首页 - 期刊简介 - 详细页面

中南大学学报(自然科学版)

Journal of Central South University

第48卷    第10期    总第278期    2017年10月

[PDF全文下载]    [Flash在线阅读]

    

文章编号:1672-7207(2017)10-2715-08
基于点过程模拟的时空级联模式统计挖掘方法
徐枫,陈袁芳,蔡建南,刘启亮,邓敏

(中南大学 地球科学与信息物理学院,湖南 长沙,410083)

摘 要: 从时空统计的角度,将时空级联模式的频繁度评价建模为多元独立分布零假设下的显著性判别问题,提出一种基于点过程模拟的时空级联模式统计挖掘方法。首先,采用时空点过程模拟每类地理要素的观测数据集,构建显著性判别的零模型;其次,通过蒙特卡洛模拟获取零假设下每种候选时空级联模式频繁度的实验分布;最后,对候选模式的观测频繁度进行显著性检验,识别显著的时空级联模式。研究结果表明:本文方法能够用于有效识别地理要素间的时空级联模式,且避免了挖掘结果对频繁度阈值设置的依赖。

 

关键词: 时空数据挖掘;时空级联模式;时空点过程;显著性检验

A statistical approach for discovering spatio-temporal cascading patterns based on point process simulation
XU Feng, CHEN Yuanfang, CAI Jiannan, LIU Qiliang, DENG Min

School of Geosciences and Info-physics, Central South University, Changsha 410083, China

Abstract:The discovery of spatio-temporal cascading patterns was modeled as a significance test for prevalence of candidate patterns under the null model of independence, and a statistical approach based on point process simulation was proposed. Firstly, null model was constructed by simulating the point process of different features. Then, the empirical distribution of prevalence of each candidate pattern was estimated by using Monte Carlo simulation. Lastly, significant spatio-temporal cascading patterns were identified by performing the significant test for the observed prevalence. The results show that the approach can effectively detect the meaningful spatio-temporal cascading patterns without threshold of prevalence measure.

 

Key words: spatio-temporal data mining; spatio-temporal cascading patterns; spatio-temporal point process; significance test

中南大学学报(自然科学版)
  ISSN 1672-7207
CN 43-1426/N
ZDXZAC
中南大学学报(英文版)
  ISSN 2095-2899
CN 43-1516/TB
JCSTFT
版权所有:《中南大学学报(自然科学版、英文版)》编辑部
地 址:湖南省长沙市中南大学 邮编: 410083
电 话: 0731-88879765(中) 88836963(英) 传真: 0731-88877727
电子邮箱:zngdxb@csu.edu.cn 湘ICP备09001153号