10、数据挖掘与轨迹生成技术：FSSEMiner与CondTraj - GAN的探索

数据挖掘与轨迹生成技术：FSSEMiner与CondTraj - GAN的探索

在当今的数据驱动时代，数据挖掘和生成技术在各个领域都发挥着至关重要的作用。本文将介绍两种重要的技术：FSSEMiner算法用于挖掘动态属性图中的频繁顺序子图演化模式，CondTraj - GAN则用于生成合成车辆轨迹。

FSSEMiner算法：挖掘频繁顺序子图演化

FSSEMiner算法旨在从动态属性图中挖掘频繁顺序子图演化模式，其主要步骤如下：
1. 子图候选提取 ：
- 提取满足连通性约束的子图候选，用集合 (S = {S_i \text{ 子图集合 of } G_t, t \in T | \forall s_i \in S_i, s_i = (\lambda_i, \text{Occurrence}(\lambda_i) \text{ in } t), \text{minvol} \leq |\text{Occurrence}(\lambda_i)| \leq \text{maxvol}}) 表示。
- 例如，在每个时间点提取 ((a_1 - a_2+, a_1 - a_2+, a_1 + a_2 =)) 的出现情况。
2. 通过图加法生成大小为1的模式 ：
- 这一步将上一步生成的候选子图组合成大小为1的模式（即由一个子图组成的序列）。
- 采用图加法策略，将具有相同模式的候选子图在不同时间的出现情况相加。
- 若子图并集的时空频率满足 minsup 约束，则将其保留在挖掘过程中。
- 图加法应用于所有时间组合集 (T^k)，线性