没有合适的资源?快使用搜索试试~ 我知道了~
首页一种聚类隐马尔可夫模型的时空轨迹预测算法_孙红.pdf
一种聚类隐马尔可夫模型的时空轨迹预测算法_孙红.pdf
需积分: 26 14 下载量 56 浏览量
更新于2023-03-16
评论
收藏 645KB PDF 举报
随着“互联网+”的高速发展,大数据的不断产生,人们对时空轨迹的数据分析也越来越多.本文针对海量的用户轨迹数 据进行研究,提出一种基于分区域的隐马尔可夫模型用以解决时空轨迹序列的预测问题.该模型首先通过聚类将一片区域内的 时空序列分成多个小区域,每个小区域内再通过聚类确定多个隐状态和发射序列,然后针对每个小区域进行隐马尔可夫模型的 训 练 得 出 最 终 模 型 . 预 测 时 通 过 已 知 的 时 空 序 列 ,找 到 对 应 的 区 域 模 型 ,通 过 维 特 比 算 法 计 算 出 最 佳 隐 状 态 序 列 ,再 结 合 转 移 矩 阵 做 出 下 一 个 轨 迹 点 的 预 测 . 实 验 表 明 ,该 模 型 具 有 较 高 的 学 习 速 度 ,且 预 测 精 度 较 高 .
资源详情
资源评论
资源推荐
书书书
小
型
微 型 计 算 机 系 统
Journal of Chinese Computer Systems
2019
年
3
月 第
3
期
Vol.40 No.3 2019
收稿
日期
: 2018-05-10
收修改稿日期
: 2018-06-11
基金项目
:
国家自然科学基金项目
( 61170277,61472256,61703277)
资助
;
沪江基金 项目
( C14002)
资助
.
作者简介
:
孙 红
,
女
,1964
年生
,
博士
,
副教授
,
研究方向为计算机科学与技术
、
自然语言处理
、
模式识别与智能系统
;
陈 锁
,
男
,1989
年生
,
硕士研究生
,
研究方向为自然语言处理
.
一种聚类隐马尔可夫模型的时空轨迹预测算法
孙 红
1,2
,
陈 锁
1
1
(
上海
理工大学
,
上海
200093)
2
(
上海
现代光学系统重点实验室
,
上海
200093)
E-mail: 823372873@ qq.com
摘 要
:
随着
“
互
联网
+
”
的高速发展
,
大数据的不断产生
,
人们对时空轨迹的数据分析也越来越多
.
本文针对海量的用 户 轨 迹 数
据进行研究
,
提出一种基于分区域的隐马尔可夫模型用以解决时空轨迹序列的预测问题
.
该模型首先通过聚类将一片区域内的
时空序列分成多个小区域
,
每个小区域内再通过聚类确定多个隐状态和发射序列
,
然后针对每个小区域进行隐马尔可夫模型的
训练得出最终模型
.
预测时通过已知的时空序列
,
找到对应的区域模型
,
通过维特比算法计算出最佳隐状态序列
,
再结合转 移矩
阵做出下一个轨迹点的预测
.
实验表明
,
该模型具有较高的学习速度
,
且预测精度较高
.
关 键 词
:
时空轨迹序列
;
隐马尔可夫模型
;
聚类
;
子区域
中图分类号
: TP301
文献标识码
: A
文 章 编 号
: 1000-1220( 2019) 03-0472-05
Spatio-temporal Trajectory Prediction Algorithm Based on Clustering Based Hidden Markov
Model
SUN Hong
1,2
,CHEN Suo
1
1
( University of Shanghai for Science & Technology,Shanghai 200093,China)
2
( Shanghai Key Lab of Modern Optical System,Shanghai 200093,China)
Abstract: With the rapid development of“Internet plus”and continuous generation of large data,the spatio-temporal trajectory data a-
nalysis is also more and more .Aiming at massive user trajectory data,a hidden Markov model based on subarea is proposed to solve
the prediction problem of spatio-temporal trajectory.Firstly,the spatio-temporal sequence in a region w ill be divided into multiple small
regions by clustering.In each small domain,multiple hidden states and emission sequences are determined by clustering.Then,the hid-
den Markov model is trained for each small domain to get the final model.In the prediction,we find the corresponding region model
through the known space-time sequence,calculate the best hidden state sequence through Vitby algorithm,and combine the transfer
matrix to make the prediction of the next trajectory.The experiment shows that the model has high learning speed and high prediction
precisio n.
Key words: spatio-temporal trajectory sequence; hidden M arkov model; clustering; subarea
1
引 言
近年来
,
由于大数据时代的
来临
,
以及物联网技术的广泛
应用
,
各种移动终端的大量普及
,
大量
GPS
数据随之产生
,
各
种轨迹数据也越来越容易获得
,
对
GPS
轨迹数据的研究也越
来越多
.
大部分终端设备都已装有
GPS
模块
,
这些终端设备因
而可以记录
GPS
位置序列
,
这些序列包含经纬度
,
时间戳等信
息
.
时空轨迹
( Trajectory )
是移动对象的位置和 时间的记录序
列
.
作为一种重要的时空对象数据类型和信息源
,
时空轨迹的
应用范围涵盖了人类行为
、
交通物流
、
应急疏散管理
、
动物习性
和市场营销等诸多方面
.
时空数据的急剧增加
,
加之时空数据
处理更为复杂
,
使数据处理任务日趋繁重的形势更加严峻
.
因
此
,
寻找有效的时空数据处理方法具有十分重要的意义
.
时空大数据与非空间数据相比
,
具有空间性
、
时间性
、
多
维性
、
海量性
、
复杂性等特点
.
关于时空大数据
,
目前存在一些
技术前沿领域
,
如云计算方法和挖掘技术
.
而预测移动对象的
运动趋势有着广泛的应用
.
比如能够有效地在轨迹数据中发
现隐藏的有价值的信息
,
如频繁路径
、
个性化兴趣点以及移动
意图等
.
这些结果将对未来的商业应用以及管理活动提供有
力的信息保障
.
本文通过分析时空轨迹数据
,
提出一种根据移动对象经
过的轨迹
,
预测移动对象下一个轨迹点
,
以及未来的终点位置
的模型
.
2
研究
背景
对于
移动对象轨迹位置预测
,
近年来主要产生了 两种类型
.
一种是对历史轨迹频繁模式进行挖掘进而进行预测
.
另一种是基
于马尔可夫
( Markov)
模型
,
对历史轨迹进行建模并预测
.
轨迹频繁模式挖掘算法
,
目前主要分为两种
: Apriori
算
法和
PrefixSpan
算法
.
一些研究将它们应用到轨迹位置预测
ChaoXing
guo070110053
- 粉丝: 0
- 资源: 2
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- 数据结构1800题含完整答案详解.doc
- 医疗企业薪酬系统设计与管理方案.pptx
- 界面与表面技术界面理论与表面技术要点PPT学习教案.pptx
- Java集合排序及java集合类详解(Collection、List、Map、Set)讲解.pdf
- 网页浏览器的开发 (2).pdf
- 路由器原理与设计讲稿6-交换网络.pptx
- 火电厂锅炉过热汽温控制系统设计.doc
- 企业识别CIS系统手册[收集].pdf
- 物业管理基础知识.pptx
- 第4章财务预测.pptx
- 《集成电路工艺设计及器件特性分析》——实验教学计算机仿真系.pptx
- 局域网内共享文件提示没有访问权限的问题借鉴.pdf
- 第5章网络营销策略.pptx
- 固井质量测井原理PPT教案.pptx
- 毕业实习总结6篇.doc
- UGNX建模基础篇草图模块PPT学习教案.pptx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0