DiST: Efficient Distributed Spatio-Temporal Clustering With Automatic Parameter Optimization

Jiajun Li

doi:10.1109/TKDE.2025.3607744

DiST: Efficient Distributed Spatio-Temporal Clustering With Automatic Parameter Optimization

0

PRE

AI

DOI：10.1109/TKDE.2025.3607744

原文链接

原文求助

摘要

En 中文

随着定位技术的飞速发展，时空数据的规模显著增长。分析这些数据的时空特征对于揭示潜在关联以及深入理解自然和社会机制至关重要。聚类是一种广泛应用于数据分析的技术，它将具有相似特征的数据分组以供进一步研究。然而，当前的聚类方法通常未能充分处理在众多场景中至关重要的时间属性。此外，传统的时空聚类方法局限于独立环境，难以处理大规模时空数据集。为此，我们提出了DiST，首个分布式时空聚类方法，该方法同时考虑时间和空间邻近性。DiST包含数据分区、局部聚类和全局合并阶段，并配备一个用于参数优化的自动调优框架。DiST解决了关键挑战，包括时间与空间属性的整合、管理分布式节点间的数据重复以及为不同数据特征选择合适参数。在两个真实数据集上的对比实验验证了DiST的性能和可扩展性，展示了其在时空数据分析中的有效性。

Keyword:

Clustering

spatial-temporal data mining

distributed computing

parameter optimization

DiST: Efficient Distributed Spatio-Temporal Clustering With Automatic Parameter Optimization

摘要

期刊

机构

引用论文