关联规则挖掘在LBS动态数据管理的应用研究

为了满足人们能在任意地点、任意时刻存取任意数据的需求,基于位置的服务(LBS,LocationBasedService)需要进行动态数据管理。一种解决方案是服务器根据关联规则挖掘出的规律,对热点数据进行预测,并利用数据广播技术将热点数据不断地推向移动客户机。但经典的Apriori算法并不适合时序数据的处理,而现有的时序关联规则挖掘算法又对服务的关联时间阀值考虑不够,故本文对经典的Apriori算法进行改进,使之适应动态数据管理的需要,从而为解决LBS动态数据管理问题提出新的解决思路。     

面向LBS动态数据管理的Apriori算法研究

LBS(Location Based Services)动态数据管理面临的一个严峻的挑战是需要在一个有限带宽、移动的、不稳定的环境中为用户提供相对稳定的服务.基于关联规则挖掘的思想,试图从业已形成的海量服务数据中发现潜在的规律,以指导服务器有效地完成数据分发工作.但经典的Apriori算法并不适合时序数据的处理,而现有的时序关联规则挖掘算法又对服务的关联时间阈值考虑不够,故对经典的Apriori算法进行改进,使之适应动态数据管理的需要,从而为解决LBS动态数据管理问题提出新的解决思路.     

LBS动态数据管理

为了满足人们能在任意地点、任意时刻存取任意数据的需求，基于位置的服务(LBS，Location Based Service)需要进行动态数据管理。本文指出了LBS动态数据管理的目标，分析了当前存在的问题。同时对LBS动态数据管理关键技术进行了深入的探讨，并结合数据挖掘技术提出了新的研究思路。