什么是时空数据挖掘？

时空数据挖掘定义了从时空数据中查找模式和知识的过程。时空数据挖掘的一个例子包括查找城市和土地的发展历史，揭示天气模式，预测地震和飓风，以及确定全球变暖趋势。

鉴于移动电话、GPS 设备、基于互联网的地图服务、气象服务和数字地球以及卫星、RFID、传感器、无线和视频技术的普及，时空数据挖掘变得越来越重要，并且具有深远的影响。

有几种类型的时空数据，移动对象数据很重要。例如，动物学家将遥测设备连接到野生动物身上以研究生态行为，移动管理人员将 GPS 嵌入汽车中以更好地监控和引导车辆，气象学家需要气象卫星和雷达来探测飓风。

移动对象数据挖掘的一个例子，例如挖掘多个移动对象的运动模式（即发现多个移动对象之间关系的发现，包括移动集群、领导者和追随者、合并、车队、群体和钳形攻势，以及其他集体运动模式）。

一个信息物理系统 (CPS) 通常包括大量相互作用的物理和数据组件。CPS 系统可以互连以形成巨大的异构信息物理网络。

信息物理网络的一个例子包括一个患者护理系统，它将患者监控系统与患者数据网络和紧急管理系统连接起来。

一个交通系统，它将交通监控网络（包括多个传感器和摄像机）与交通数据和控制系统连接起来；以及一个战场指挥系统，它将传感器网络与战场数据分析系统连接起来。

在信息物理系统中生成的数据强大、爆炸式增长、嘈杂、不一致且相互依赖，包括丰富的时空数据，它们对于实时决策至关重要。

多媒体数据挖掘是从保存和管理大量多媒体对象（例如图像数据、视频数据、音频数据和序列数据以及包括文本、文本标记和链接的超文本数据）的多媒体数据库中发现有趣模式的过程。

多媒体数据挖掘是一个跨学科领域，它融合了图像处理和感知、计算机视觉、数据挖掘和模式识别。多媒体数据挖掘中的几个问题涉及基于内容的检索和相似性搜索，以及泛化和多维分析。多媒体数据立方体包含更多用于多媒体数据的维度和度量。

文本挖掘是一个跨学科的应用，它利用数据检索、数据挖掘、机器学习、统计学和计算语言学。很大一部分数据以文本形式保存，包括新闻文章、科技论文、书籍、数字图书馆、电子邮件、博客和网页。

Ginni

更新于：2022年2月18日

1K+ 次浏览

开启您的职业生涯

通过完成课程获得认证

开始学习