TP-mine基于分割簇的RFID轨迹数据增量聚类算法.pdf

高技术通讯2014年第24卷第6期：597～601 TP．mine：基于分割簇的RFID轨迹数据增量聚类算法① 胡孔法②8 谢佳东8 赵利” (8南京中医药大学信息技术学院南京210023) (”扬州大学信息工程学院 扬州225009) 摘要针对具有增量特性的射频识别(RFID)轨迹数据的挖掘进行了研究，提出了轨迹 聚类算法TP—mine。该算法将每个新的轨迹简化成一个有向线性片段以便于找到轨迹子 部分的聚类，使用分割簇来存储紧密的相似轨迹线性片段，比原始的轨迹占的空间要小。 TP—mine算法在整体聚类时对分割聚类所生成的分割簇进行操作，而不是对所有时间段 的全部轨迹进行操作，可以高效地得出轨迹的聚类结果，从而实现对RFID技术所产生的 轨迹数据进行有效挖掘，来发现移动对象潜在的移动趋势。 关键词射频识别(RFID)，分割簇，轨迹数据，增量聚类 中，经常移动对象的集合不可能一直一起移动，它们 0 引言 移动在一起只是在一些时问戳内。 随着RFID技术的广泛应用，挖掘RFID轨迹数 据也变得非常重要。对RFID轨迹进行挖掘可以发 射频识别(radiofrequencyidentification，RFID) 技术已应用于食品安全、药品跟踪、现代物流与供应 现移动对象潜在的移动趋势，同时也可以发现成群 链等领域，产生了海量的产品移动路径轨迹数据，如 的移动对象。轨迹聚类在数据挖掘中扮演一个重要 何分析和挖掘这些轨迹数据成为当前RFID技术推的角色，由于RFID数据具有序列性特点，轨迹聚类 广应用的关键之一_lJ。在移动对象轨迹数据挖掘 通常以渐增格式接收。但现存的轨迹聚类算法多为 方面已有相关研究，如Kalnis等人提出了移动簇方静态数据集开发的，不适合于具有增量特性的RFID 法旧J，Benkert等人提出了flock方法po，Jeung等人轨迹数据。这些增量轨迹数据挖掘在对用户进行重 要物资的运输调度、药品的生产运输跟踪等方面都 提出了convoyHo方法。Li等人进一步释放了convoy 方法的约束条件，并提出swai311模式去发现零星的将有重要作用归J。本文针对具有增量特性的RFID 对象组_5J。这些方法都需要移动对象组在至少五个 轨迹数据提出了相应的RFID轨迹聚类算法TP— 连续的时问戳是在一起的，但这样在现实中可能会 mine，将每个新的轨迹简化成一个有向线性片段以 不实际。因为现实的移动对象可能会暂时离开，但 便于找到轨迹子部分的聚类，使用分割簇来存储紧 是大部分时问是在一起运动，换句话说，强迫时问的 密的相似轨迹线性片段，比原始的轨迹占的空问要 连续性可能导致有趣移动对象簇的损失。在轨迹簇 小。一旦加入新的轨迹数据，分割簇渐增地更新以 发现方面，Chen等人提出了对于现实序列的编辑距反映出变化。再使用整体聚类对分割聚类所生成的 离的概念_6J，Tsai等人提出了从轨迹簇挖掘组移动分割簇而不是所有时问段的全部轨迹进行操作。因 模式o7I，Lee等人指出建立在整个轨迹的距离衡量为分割簇的数量比原始轨迹要少，在分割聚类所生 可能在子轨迹中丢失有趣的共同路径¨J。他们强 成的分割簇数据集上进行整体聚类可以高效地得出 调几何或空问的对象轨迹的紧密性。在现实生活 轨迹的聚类结果。 研项目(BRA2012156)和江苏省“六大人才高峰”(2009180)资助项目。 ②男，1970年生，博士，教授；研究方向：物联网与大数据管理，数据仓库和商务智能，中医药信息集成与大数据分析；联系人，E—mail：kf- hu05@126．COnl (