18、基于聚类的下一位置估计模式挖掘及地图匹配算法研究

基于聚类的下一位置估计模式挖掘及地图匹配算法研究

1. 位置关系与模式挖掘基础

在位置定位相关研究中，将边 1 视为位置定位 Q 和 R 的真实关系，由此可证明位置定位 S 存在于边 1 上。下面重点介绍基于聚类的下一位置估计的模式挖掘方法。

该方法的核心是挖掘频繁移动模式。设 (P_{k - 1} = { (l_1, t_1), (l_2, t_2), \cdots, (l_{k - 1}, t_{k - 1}) }) 是频繁 ((k - 1)) - 模式，(V(l_{k - 1})) 是单元格 (l_{k - 1}) 的邻域单元格集合。模式挖掘过程是在末尾附加 (p = (v, t_k)) 以生成候选 (k) - 模式，其中 (t_k) 是 (v) 的时间戳，(t_{k - 1}) 是 (l_{k - 1}) 的时间戳。使用 (supp_{min}) 值来选择候选 (k) - 模式。移动模式规则可定义如下：
- (R: X - Y)，其中 (X) 和 (Y) 是两个频繁移动模式（FMP），且 (X \cap Y = \varnothing)。
- 设所有 FMP 集合为 (S)，则移动规则可定义为 (Z \to S - Z)，其中 (Z \subseteq S) 且 (Z \neq \varnothing)。

2. 算法介绍

2.1 FMPs (L) 提取算法（ALGORITHM A1）

该算法用于提取用户的频繁移动模式集合。

ALGORITHM A1: FMPs (L) Extraction
Input: Mobilit