随着定位设备的快速发展，我们可以获得大量的时空数据。从时空数据中挖掘有用的信息对于智慧交通、城市规划等很多应用非常重要。传统数据挖掘方法因为时空数据的时空特性和高相关性特征而效果不佳，并随着时空数据容量日益增长而不堪重负。最近，拥有自主特征表示能力、强大的功能逼近能力的深度学习技术在时空数据挖掘上取得了重大的成功。本篇论文旨在对近期运用在时空数据挖掘上的深度学习技术进行总结，提供一个全面、深入、实用性强的综述。
- 论文名称：Deep learning for Spatio-Temporal Data Mining: A Survey
- 论文链接：https://arxiv.org/abs/1906.04928
该论文的主要贡献如下： （1）系统且扼要地回顾了近期运用于时空数据挖掘的深度学习技术，对时空数据类型进行分类，介绍在时空数据挖掘中广泛使用的流行的深度学习模型，并总结了不同时空数据类型的数据表示形式。 （2）提出了一个基于深度学习的时空数据挖掘的通用框架，该框架包括以下主要步骤：时空数据实例构建、数据表示、深度学习模型选择和时空数据挖掘问题处理。 （3）提供了针对不同时空数据挖掘问题使用不同深度学习技术的最新进展的全面概述，包括预测学习，表示学习，分类，估计和推论，异常检测等。 （4）总结了目前研究尚存的问题，并指出了未来的研究方向。
感兴趣的可以戳链接。
内容中包含的图片若涉及版权问题，请及时与我们联系删除
评论
沙发等你来抢