-
公开(公告)号：CN107493328B
公开(公告)日：2019-10-11
申请号：CN201710693249.9
申请日：2017-08-14
Applicant: 武汉大学
Abstract: 本发明公开了一种基于特征融合的合作缓存方法，利用移动互联网的基站数据集，获得用户的内容相似矩阵和位置相似矩阵，所述用户记录包括单个用户在不同时间分别访问的基站和上网内容；对内容相似矩阵和位置相似矩阵进行融合，得到融合后的相似矩阵；利用融合后的相似矩阵对用户进行聚类，得到用户的类别关系；将用户类别关系映射到基站，得到基站的合作关系；根据得到的基站的合作关系，计算基站的缓存策略。本发明利用移动互联网的基站数据集，从基站合作的角度，提出一个新方法，确定基站的缓存内容。
-
公开(公告)号：CN107493328A
公开(公告)日：2017-12-19
申请号：CN201710693249.9
申请日：2017-08-14
Applicant: 武汉大学
Abstract: 本发明公开了一种基于特征融合的合作缓存方法，利用移动互联网的基站数据集，获得用户的内容相似矩阵和位置相似矩阵，所述用户记录包括单个用户在不同时间分别访问的基站和上网内容；对内容相似矩阵和位置相似矩阵进行融合，得到融合后的相似矩阵；利用融合后的相似矩阵对用户进行聚类，得到用户的类别关系；将用户类别关系映射到基站，得到基站的合作关系；根据得到的基站的合作关系，计算基站的缓存策略。本发明利用移动互联网的基站数据集，从基站合作的角度，提出一个新方法，确定基站的缓存内容。
-
公开(公告)号：CN110765130A
公开(公告)日：2020-02-07
申请号：CN201910912399.3
申请日：2019-09-25
Applicant: 武汉大学
IPC: G06F16/22 , G06F16/2458 , G06F16/28
Abstract: 本发明公开了一种分布式环境下基于Ripley’s K函数的时空POI数据点模式分析方法，首先配置面向时空对象与时空索引的定制序列化器，然后，建立时空KDB树，对观测点进行数据重分区，接着构建局部时空R树索引，构造一系列点对；接着对于每个点对，在双层缓存中查找与点对对应的时空权重；然后计算观测点对应的不同时空距离阈值下时空Ripley’s K函数计算结果；然后基于观测点生成模拟点，得到模拟点对应的不同时空距离阈值下的时空Ripley’s K函数计算结果；再获得时空Ripley’s K函数模拟的上下界；最后，根据时空Ripley’s K函数模拟的上下界，获得最终的数据分布输出结果。本发明的方法可以大大提高时空POI数据点模式分析的效率。
-
公开(公告)号：CN110765130B
公开(公告)日：2021-01-01
申请号：CN201910912399.3
申请日：2019-09-25
Applicant: 武汉大学
IPC: G06F16/22 , G06F16/2458 , G06F16/28
Abstract: 本发明公开了一种分布式环境下基于Ripley’s K函数的时空POI数据点模式分析方法，首先配置面向时空对象与时空索引的定制序列化器，然后，建立时空KDB树，对观测点进行数据重分区，接着构建局部时空R树索引，构造一系列点对；接着对于每个点对，在双层缓存中查找与点对对应的时空权重；然后计算观测点对应的不同时空距离阈值下时空Ripley’s K函数计算结果；然后基于观测点生成模拟点，得到模拟点对应的不同时空距离阈值下的时空Ripley’s K函数计算结果；再获得时空Ripley’s K函数模拟的上下界；最后，根据时空Ripley’s K函数模拟的上下界，获得最终的数据分布输出结果。本发明的方法可以大大提高时空POI数据点模式分析的效率。
-
-
-
Search Results
4
records
(took 0.017 seconds)
