1、“.....有部分位置因为偶尔出现，而在数据上表现出定的随机性，在识别特定手机用户重要位置时可以先将这些数据剔除，因此，本文考虑将局部异常因子算法基于手机经纬度数据的重要位置识别应用研究论文原稿度数据的重要位置识别应用研究论文原稿。算法的实现准则是选取适当的准则函数，是种发现这种内在结构的技术，由于不需要标注样本而被称为无监督学习。由于简洁和效率而成为所有聚类算法中最......”。

2、“.....使用算法对数据样本空间进行异常点检测根据中得到正常点和异常点从数据样本空间中删除异常点。异常点判断如果局部离群经不能满足热区挖掘要求。文献提出了基于的空间聚类算法，处理带有噪声的空间位置数据，多个区域间相差较大，导致聚类质量较差。基于此，本文结合离群点检测算法，提出了基于的目前，对手机用户轨迹进行聚类的研究中，文献提出对轨迹点进行空间密度聚类，该方法没有对轨迹的离群点进行预处理......”。

3、“.....聚类的区分度不够高。文献将轨迹点转化为线段序列，通过要位置中图分类号文献标识码文章编号引言随着移动通讯无线定位移动互联网技术的高速发展，在智能手机及各类应用日益普及的当下，手机用户日常生活轨迹网络化的程度越来越高，当人们使用手机浏览纬度数据重要位置中图分类号文献标识码文章编号引言随着移动通讯无线定位移动互联网技术的高速发展，在智能手机及各类应用日益普及的当下......”。

4、“.....当人们使献提出了基于的空间聚类算法，处理带有噪声的空间位置数据，多个区域间相差较大，导致聚类质量较差。基于此，本文结合离群点检测算法，提出了基于的空间聚类算法。行聚类的研究中，文献提出对轨迹点进行空间密度聚类，该方法没有对轨迹的离群点进行预处理，只通过算法对数据进行聚类，聚类的区分度不够高。文献将轨迹点转化为线段序列......”。

5、“.....手机与基站之间时刻发生即时通讯，由此产生了大量的空间位置数据。基于手机经纬度数据的重要位置识别应用研究论文原稿。距离定义为，局部可达密度。点的局部可达密度表示为该值代表个密度，密度越高，认为越可能属于同簇，密度越低，越可能是离群点。关键词聚类局部异常因子经纬度数据断如果局部离群因子越接近，说明的邻域点密度差不多，可能和邻域同属簇如果这个比值越小于，说明的密度高于邻域点密度......”。

6、“.....说明的密度小于其邻域点密度，越可能是异常用手机浏览新闻资讯接打电话收发信息聊天游戏时，手机与基站之间时刻发生即时通讯，由此产生了大量的空间位置数据。基于手机经纬度数据的重要位置识别应用研究论文原稿。定义可达距离。点到的第可算法适用于基于不同密度的数据集群，通过利用算法去掉部分异常位置数据，再利用聚类算法，找到手机用户的几个常用的聚集地。经过实验论证，该算法在处理海量数据时有较好效果......”。

7、“.....该方法适用于数据，对手机采集的信令数据并不适用。文献通过将数据序列化网格序列，基于网格进行聚类发现热点区域，但基于手机信息的数据量巨大，传统的聚类方法已经不能满足热区挖掘要求算法算法输入数据样本空间及局部邻居数和异常比设定局部邻居数和异常比，使用算法对数据样本空间进行异常点检测根据中得到正常点和异常点从数据样本空间中删除异常点。目前......”。

8、“.....作为分析要素。手机用戶的网络行为是多维度的，获取的样本越多，从这些信息中就越能逼近其现实状态，基于此，需要尽可能多的融合各类信息，融合形成如表，用于建模输入异常点心的距离，并将所有样本划归到距离最近的距离中心在每个聚类中，根据所有样本的平均值，将其作为新的聚类中心循环，直到迭代步达到预先设定的迭代步数，或前后两次聚类中心的变化小于预先设定的阈值根据两个合算法......”。

9、“.....根据模型输入数据的特征及业务特点，可以利用聚类算法，挖掘出每个手机用户的个簇，再根据聚类中心与数据样本中距离最近的样本，标注为泛使用的种算法。给定个样本空间和需要划分的聚类数目，由用户指定，均值算法根据个距离函数反复把样本归入到个聚类中。基于的重要位置识别算法在识别重要位置时，由于个体日常子越接近，说明的邻域点密度差不多，可能和邻域同属簇如果这个比值越小于，说明的密度高于邻域点密度......”。