Questo sito utilizza cookie di terze parti per inviarti pubblicità in linea con le tue preferenze. Se vuoi saperne di più clicca QUI 
Chiudendo questo banner, scorrendo questa pagina, cliccando su un link o proseguendo la navigazione in altra maniera, acconsenti all'uso dei cookie. OK

Density-based clustering di traiettorie di oggetti mobili focalizzato sul tempo

In questo contesto, focalizziamo la nostra attenzione sul problema del clustering di traiettorie. La nostra assunzione di base sui dati è che le traiettorie di oggetti mobili possano essere ricostruite in un modo approssimato sulla base dei log lasciati dagli oggetti mentre si muovono all’interno dell’infrastruttura di rete. Per esempio, un telefono mobile che si muove fra le varie celle, durante le sue interazioni con la rete, lascia un insieme di triplette (id, loc, t), che specificano la localizzazione spaziale loc,altempo t, del telefono id.
Utilizzando l’insieme di triplette di un determinato oggetto id è possibile, in principio, definire (approssimare) una funzione : fid : time . space, che assegna una posizione all’oggetto id per ogni istante, in un intervallo di tempo determinato. Noi chiamiamo tale funzione traiettoria, e ci concentriamo sul problema del clustering su un insieme di finito di questo tipo di oggetti.
Questa assunzione di base è conforme con la forma dei log che sono (o possono essere) raccolti nell’infrastruttura della rete. Il nostro lavoro di ricerca farà affidamento sulla disponibilità di un generatore [22] di traiettorie, sviluppato nel nostro laboratorio per generare il dataset di traiettorie utilizzato per la valutazione empirica dei risultati ottenuti.
In questa lavoro di tesi, ci siamo posti due domande distinte:
1. qual è il metodo di clustering più adeguato per le traiettorie?
2. come possiamo sfruttare la semantica intrinseca della dimensione temporale, per migliorare la qualità del clustering?
Per quanto riguarda il primo problema, pensiamo che il clustering basato sulla nozione di densità density-based, proposto in[6], è particolarmente adatto al clustering di traiettorie, per le seguenti caratteristiche distintive:
• la sua capacità di determinare cluster non-sferici (non convessi), al contrario dei metodi di partizionamento (k-means) e gerarchici,
• la sua robustezza rispetto al rumore,
• la sua capacità di restituire un numero arbitrario di cluster, che meglio
descrivano la naturale struttura dei dati, come fanno i metodi gerarchici
ma con una complessità minore (O(n log n) anzich´e O(n2)).

Mostra/Nascondi contenuto.
Capitolo 1 Introduzione 1.1 Motivazioni I grandi progressi nel campo dell’hardware, della tecnologia dellle basi di dati, delle reti durante gli ultimi decenni rendono possibile lo sviluppo di sistemi potenzialmente in grado di trattare grandi quantita` di informazioni com- plesse e multidimensionali come dati spaziali, dati temporali e dati spazio- temporali. Cio` si traduce nello sviluppo di un ampio range di applicazioni: basti pensare ai sistemi d’informazione geografica (GIS), ai sistemi di model- lazione geometrica (CAD), ad applicazioni scientifiche, a databases catastali. Il ragionamento spazio-temporale e` alla base di molte attivita` umane. Il pro- blema di trattare con informazioni spazio-temporali e` diventato un aspetto importante sul quale si sono concentrate numerose ricerche, viste anche le necessita` di quelle applicazioni nelle quali spazio e tempo sono collegati. Nella realta`, infatti, spazio e tempo sono tra loro strettamente interconnessi: la maggior parte delle informazioni che si riferiscono allo spazio si riferiscono anche al tempo. Ci sono applicazioni per le quali e` assolutamente indi- spensabile poter utilizzare dati spazio-temporali; i sistemi spazio-temporali forniscono grandi benefici in aree tipo monitoraggio ambientale, settori am- ministrativi, sistemi di navigazione real-time, scheduling dei trasporti. Una particolare fonte arriva da transazioni relative a cellulari e ad altri di- spositivi location-aware (sensibili alla locazione). Oltre alle ordinarie ope- razioni di comunicazione, la grande disponibilita` di queste forme di infor- mazione geo-riferite e` fondamentale per creare nuove classi di applicazioni, dove la scoperta di conoscenza e` un passo chiave. 1

Laurea liv.II (specialistica)

Facoltà: Scienze Matematiche, Fisiche e Naturali

Autore: Margherita D'auria Contatta »

Composta da 92 pagine.

 

Questa tesi ha raggiunto 836 click dal 06/10/2005.

Disponibile in PDF, la consultazione è esclusivamente in formato digitale.