您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. geolife北京地区用户轨迹提取

  2. 创建了一个新的文件夹(databad),在对应用户的轨迹目录下。将轨迹数据不在北京市区的轨迹数据文件移动到该文件夹中。
  3. 所属分类:其它

    • 发布日期:2017-12-27
    • 文件大小:2kb
    • 提供者:qq_31135027
  1. GPS轨迹大数据集 Geolife Trajectories 1.3.zip part2

  2. 该GPS轨迹数据集由182位用户在(微软亚洲研究院)Geolife项目中收集,历时超过五年(2007年4月至2012年8月)。 该数据集的GPS轨迹由一系列时间戳点表示,每个点都有其中包含纬度,经度和海拔高度的信息。 该数据集包含17,621个轨迹,总距离为1,292,951公里,总持续时间为50,176小时。 这些轨迹由不同的GPS记录仪和GPS手机记录,并具有各种采样率。 91.5%的轨迹以密集表示记录,例如 每1~5每秒秒或每5~10米。 该数据集记录了广泛的用户户外活动,不仅包括回家和上
  3. 所属分类:算法与数据结构

    • 发布日期:2019-08-24
    • 文件大小:128mb
    • 提供者:albertolin
  1. GPS轨迹大数据集 Geolife Trajectories 1.3.z01 part1

  2. 该GPS轨迹数据集由182位用户在(微软亚洲研究院)Geolife项目中收集,历时超过五年(2007年4月至2012年8月)。 该数据集的GPS轨迹由一系列时间戳点表示,每个点都有其中包含纬度,经度和海拔高度的信息。 该数据集包含17,621个轨迹,总距离为1,292,951公里,总持续时间为50,176小时。 这些轨迹由不同的GPS记录仪和GPS手机记录,并具有各种采样率。 91.5%的轨迹以密集表示记录,例如 每1~5每秒秒或每5~10米。 该数据集记录了广泛的用户户外活动,不仅包括回家和上
  3. 所属分类:算法与数据结构

    • 发布日期:2019-08-23
    • 文件大小:200mb
    • 提供者:albertolin
  1. -:将社区发现算法应用到对城市路网轨迹数据的处理中,目的是从批量的Geolife数据中提取出一个代表用户社区关系的复杂网络,并针对该网络实现社区发现-源码

  2. 针对城市路网轨迹数据的社区发现 将社区发现算法应用到对城市路网轨迹数据的处理中,目的是从批量的Geolife数据中提取出一个代表用户社区关系的复杂网络,并针对该网络实现社区发现
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:23kb
    • 提供者:weixin_42131861
  1. 基于GPS轨迹的周期模式发现

  2. 针对周期行为挖掘中面临的时空数据采样频率不确定,数据稀疏,时空数据噪声等问题,本文采用GMPF (GPS Multi-Periodic Find) 算法来检测用户的周期模式。该算法首先将用户的轨迹序列转换成兴趣点集合,然后针对每个兴趣点进行周期挖掘。通过在微软亚洲研究院的Geolife项目中的182名用户4年的GPS数据上进行实验,实验证明了该方法的有效性且对数据噪声和数据稀疏不敏感。
  3. 所属分类:其它

  1. Geolife Trajectories.zip

  2. 个人轨迹数据集
  3. 所属分类:其它

    • 发布日期:2021-01-23
    • 文件大小:298mb
    • 提供者:weixin_44521638
  1. 基于密度的停留点识别方法

  2. 从GPS轨迹点序列中识别停留点,是轨迹分析的重要预处理步骤,是用户行为分析、个性化兴趣点推荐等位置服务的基础,停留点识别方法的识别能力对位置服务的可用性和可靠性有根本性的影响。针对现有方法未考虑轨迹点的时间连续性或仅考虑时间连续性的一个方向所导致的停留点识别能力不足的问题,提出一种新的基于密度的停留点识别方法。该方法考虑了轨迹点的时空聚集,兼顾了轨迹点的时间连续性和方向性。在GeoLife数据集上的实验结果验证了该方法的识别能力强于基准方法,可以进一步识别基准方法不能识别的两类停留点。
  3. 所属分类:其它