互聯(lián)網(wǎng)POI同位模式挖掘方法研究.pdf

1、隨著互聯(lián)網(wǎng)技術和地理信息服務的飛速發(fā)展，互聯(lián)網(wǎng)電子地圖已逐漸應用于社會生活的方方面面，互聯(lián)網(wǎng)POI（Point of Interest，興趣點）作為電子地圖的重要組成部分，具有海量、異構、分布廣泛、更新頻繁等特點，研究大規(guī)模互聯(lián)網(wǎng)POI的分布特征，發(fā)掘隱藏在海量地理信息背后的知識規(guī)律，逐漸成為人們日常生活中關注的焦點，同位模式分析正是在這一當務之急的情況下產(chǎn)生的解決這一問題的有效途徑?；ヂ?lián)網(wǎng)POI同位模式分析可以提取海量POI的分布特征

2、和它們之間的關聯(lián)關系，從而在大量的、無序的POI中發(fā)現(xiàn)隱藏在其背后的信息和知識，幫助用戶更直觀清晰的發(fā)現(xiàn)信息，同時為各種地理決策提供支持。然而現(xiàn)有的同位模式分析在面對成百上千萬甚至更多的POI時，往往不能快速高效地發(fā)掘它們的分布特征和關聯(lián)關系，因此本文提出基于MapReduce的同位模式挖掘方法和基于多線程并行處理的同位模式挖掘方法來提高大規(guī)模POI的同位模式分析效率。
　　本文研究工作主要從以下三個方面進行:第一，研究了傳統(tǒng)的關

3、聯(lián)規(guī)則算法和同位模式算法。在Visual Studio2008平臺運用C＃編程語言實現(xiàn)了關聯(lián)規(guī)則算法的經(jīng)典Apriori算法，并通過實例驗證了算法的準確性，同時總結了幾種Apriori算法的改進思想;介紹了同位模式的相關概念，通過實例說明了基于全連接、部分連接、無連接等幾種同位模式挖掘算法。第二，針對大規(guī)?；ヂ?lián)網(wǎng)POI，實現(xiàn)基于多線程并行處理的同位模式挖掘算法。首先通過MongoDB存儲模型實現(xiàn)海量POI的存儲，其次通過建立空間地理索引

4、提高查詢效率，通過MongoDB的地理空間索引獲取同位模式實例集合，然后通過多線程并行處理編程模型將數(shù)據(jù)集劃分為多個數(shù)據(jù)塊，對分割后的數(shù)據(jù)采用多線程并行Apriori計算，獲得符合支持度和置信度的頻繁同位模式和同位規(guī)則。第三，以北京市、上海市、廣州市、深圳市的互聯(lián)網(wǎng)POI為例，通過設置不同的鄰近距離、支持度、置信度等參數(shù)，挖掘不同條件下的同位模式和同位規(guī)則，分析他們之間的分布特征和不同類別的POI之間的關聯(lián)程度。應用說明本文提出的多線程