专利交易市场

一种面向轨道交通应用的动态最小支持度计算方法，包括步骤如下：步骤1、数据剔异，步骤2、以车站属性分类，形成各车站的故障信息；步骤3、产生序列子集：对步骤2中产生的每个车站的故障信息进行以时间顺序排序产生列表；采用非固定窗口的时间序列方法对故障信息进行离散化操作产生新的序列子集；步骤4、拟合曲面方程；步骤5、计算最短距离；计算每个车站第一条故障属性的信息值与各序列子集的最短距离；步骤6、计算平均距离：计算出每个车站第一条故障信息与各序列子集的最短距离的平均值。本发明的一种面向轨道交通应用的动态最小支持度计算方法有效解决了Apriori算法只能凭借经验使用人为设定的最小支持度的问题，提高了Apriori算法的应用效率。

本发明请求保护一种基于路网轨迹聚类的出行热点区域挖掘方法。在本方法中，将出租车轨迹映射到道路网络中，并且采用实际道路中采集到的兴趣点和轨迹结合的聚类方法。结合密度峰值聚类算法，提出了基于密度峰值优化初始中心的OPAM算法，即DP‑OPAM。算法采用数据点的局部密度和这些点到更高密度点的最短距离，采用决策图挑选出密度更高且距离最近的数据点所属的类别，作为初始聚类中心。根据初始聚类中心，采用增加反向学习的OPAM聚类算法，得到聚类结果。将新算法与原OPAM算法进行对比，新算法不仅能自动确定聚类中心，并且提高了准确率和聚类时间，实现用户出行热点区域分析。