基于海量牧区羊群轨迹的区域属性挖掘研究

来源 :计算机应用研究 | 被引量 : 4次 | 上传用户:wangliyong6666
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
现代畜牧业在实际放牧中依靠定位设备对牲畜进行管理。为了从牧区牲畜海量日常移动轨迹中挖掘出潜在的有用价值,提出一种新的基于轨迹速度扰动划分与聚类方法。该方法首先将连续定位轨迹以所设速度阈值进行划分;然后以聚类方法将所划分轨迹数据进行地理位置聚类,识别出牲畜不同生活区域。为处理海量数据,以云计算进行数据挖掘。最后为展示各区域不同强度,以核密度分析法对不同轨迹聚类区域进行可视化。理论与实验表明,提出的方法可以有效从海量牲畜定位轨迹中发现其不同生活区域及强度关系,并对后续草场分布及牲畜习性研究具有指导意义。
其他文献
传统的属性基加密方案中存在着访问策略所包含的属性会泄露用户的敏感信息以及恶意用户泄露私钥获取非法利益而不会被追责的问题。同时私钥长度、密文长度和解密运算量均会随属性数量增加而带来较大的通信开销和计算开销。针对以上问题提出了一种可追踪且隐藏访问结构的属性基加密方案。该方案在不影响加/解密效率的前提下提高了加密算法的安全性,并采用双因子身份认证机制实现了更安全高效的访问控制。并且引入一个安全的签名机制
否定选择算法(NSA)是免疫检测器生成的重要算法。传统否定选择算法在亲和力计算过程中未考虑不同种类抗原关键特征与冗余特征之间的差异性,存在算法检测性能较低的问题。对此,提出了一种基于抗原软子空间聚类的否定选择算法(ASSC-NSA)。该算法首先利用抗原软子空间聚类计算出不同种类抗原的各个关键特征及其权值,然后通过这些关键特征引导检测器生成以有效地减少冗余特征的影响,从而提高算法检测性能。实验结果表
针对符号序列聚类中表示模型及序列间距离度量定义的困难问题,提出一种基于概率向量的表示模型及基于该模型的符号序列聚类算法。该模型引入符号序列的概率分布表示法,定义了一种基于概率分布差异的符号序列距离度量及该模型的目标函数,最后给出了一种符号序列K-均值型聚类算法,并在来自不同领域的实际应用序列集上进行了实验验证。实验结果表明,与基于子序列表示模型的符号序列聚类算法相比,所提方法在DNA序列和语音序列