基于局部聚类的轨迹数据流偏倚采样

移动对象轨迹数据管理是移动计算领域的研究热点。通过采样技术构造数据流摘要是普通采用的方法之一。传统的均匀采样往往容易丢失某些关键变化数据。利用轨迹数据流的局部连续性特征，提出一种基于滑动窗口的偏倚采样算法。算法将滑动窗口通过聚类划分成若干大小不一的基本窗口，并针对每个基本窗口给定一个采样率，对窗口内数据进行偏倚采样，从而形成数据流摘要。算法利用了轨迹数据的内在特征，因此具有较高的采样质量。最后，基于实际数据对算法进行了实验，结果证明了算法的有效性。