时空数据挖掘:问题与方法综述
通过收集相关数据集、模型资产和有用工具,我们提供了面向时间序列和时空数据的大规模模型研究的最新进展,强调其坚实的基础、当前的进展、实际应用、丰富资源和未来的研究机会。
Oct, 2023
使用 GPS、遥感和计算模拟等技术,收集大量来自地球科学、农业、智能城市和公共安全等领域的时空数据,结合深度学习技术,开创解决以往无法解决的问题的新机遇并提出未来的研究需求。
Oct, 2023
本篇综述论文全面而彻底地回顾了扩散模型在时间序列和时空数据分析中的应用,通过按照模型类别、任务类型、数据模态和实际应用领域进行分类,提供了对这些模型分析和生成数据的基本了解,旨在为研究人员和从业者提供一个全面的扩散模型应用的理解,以解决传统挑战并在扩散模型框架下探索创新解决方案。
Apr, 2024
对海洋中基于时空数据挖掘的研究进行全面调查,总结了海洋中使用的时空海洋数据集的特征、数据质量增强技术,以及预测、事件检测、模式挖掘和异常检测等四类任务的技术,为计算机科学和海洋科学领域的科学家提供了更好的基本概念、关键技术和待解决问题的了解。
Jul, 2023
本文研究了将生成技术与时空数据挖掘相结合,探讨了生成技术在捕捉时空数据中的时间和空间依赖性方面的应用,并提出了一个专门用于时空数据挖掘流程的标准化框架。本文旨在增进对这一领域中使用生成技术的各种技术的深入理解,并强调了未来的研究方向,鼓励研究者深入探索时空数据挖掘的巨大潜力。
May, 2024
文章介绍了大数据背景下基于图神经网络的空时数据建模和应用,系统地概述了从构建空时图到使用不同神经网络算法进行数据处理和分析的过程,并总结了当前研究的技术和应用,进一步探讨了未来的研究方向和挑战。
May, 2023
本文探讨了金融服务业中常见的不同类型的时间数据,回顾了当前在这个领域中的机器学习方法,并评估了在机器学习和时间数据的交叉应用中,研究人员面临的挑战和机遇。
Sep, 2020
通过自我监督学习方法,将地理空间活动时间序列转化成任务无关的时间嵌入表示,然后使用深度语义分割,将这些嵌入转换成用于下游任务的基于图像通道的表示,实现对住宅区和商业区等不同类型用地的分类。
Apr, 2023
该研究概述了时间序列和时空因果分析方法在地球科学中的应用,介绍了因果发现和推断的基本概念、评估技术和领域术语,并提供了当前最先进的方法以及它们的优势和局限性。此外,研究还描述了多种应用,例如极端天气事件、海平面上升和相互关联等,可以作为数据科学研究人员和地球科学社区在进行因果分析研究时的入门指南。
Apr, 2024