本文關(guān)鍵詞：基于循環(huán)神經(jīng)網(wǎng)絡(luò)的軌跡位置預(yù)測技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著智能設(shè)備的普及,獲取由空間地理位置信息構(gòu)成的用戶軌跡變得非常便捷。而這些歷史軌跡中往往蘊含著豐富的信息,如用戶的興趣愛好、行為模式等�；跉v史軌跡預(yù)測位置技術(shù)一直以來都是其中的研究熱點,也取得了大量的研究成果。特別是隨著基于位置服務(wù)(LBS)的蓬勃發(fā)展,有效的位置預(yù)測能夠讓用戶有良好的體驗,具有較高的實用價值和廣泛的應(yīng)用場景。本文回顧了基于歷史軌跡的位置預(yù)測技術(shù)的研究進展,總結(jié)目前存在的一些問題：從原始的GPS點的軌跡序列中不能有效的提取駐足點(stay point),駐足點是指人們花了一段時間進行一些活動的地點；位置預(yù)測的準(zhǔn)確率偏低等。針對這些存在的問題,結(jié)合實際的應(yīng)用場景,本文提出了全新的循環(huán)神經(jīng)網(wǎng)絡(luò)預(yù)測算法。本文首先提出了一種基于多級聚類的重要位置(landmark)提取算法,通過啟發(fā)式的異常值過濾、區(qū)域一致性擴展的駐足點提取、基于密度的聚類算法(DBSCAN)的重要位置提取這一流程將連續(xù)密集的原始軌跡序列轉(zhuǎn)變?yōu)橛芍匾恢脴?gòu)成的軌跡序列。其中利用空間換時間思想加快了駐足點提取算法的執(zhí)行效率。通常待預(yù)測的位置與已訪問的位置信息存在某種上下文語義聯(lián)系,根據(jù)這一假設(shè)本文提出了一種全新的基于長短型記憶循環(huán)神經(jīng)網(wǎng)絡(luò)的位置預(yù)測模型。將離散化的重要位置索引序列作為模型的輸入,提取位置的特征向量和位置之間的相關(guān)性,繼而預(yù)測下一個位置�；谏鲜鎏岢龅募夹g(shù)方法,對于真實的軌跡數(shù)據(jù)集,利用熱力圖可視化方式驗證了重要位置提取算法的可靠性。更重要的是位置預(yù)測模型的也得到了較合理的結(jié)果。設(shè)置10米和50米不同的區(qū)域半徑得到的準(zhǔn)確率分別為49.52%和71.25%。對比傳統(tǒng)的預(yù)測模型準(zhǔn)確率有了進一步的提升。
【關(guān)鍵詞】：軌跡位置預(yù)測 重要位置提取 循環(huán)神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP183
【目錄】：

• 摘要4-5
• Abstract5-10
• 第1章 緒論10-16
• 1.1 課題背景與研究意義10-11
• 1.2 國內(nèi)外位置預(yù)測研究情況11-13
• 1.3 本文工作與貢獻(xiàn)13-14
• 1.4 論文結(jié)構(gòu)14-15
• 1.5 本章小結(jié)15-16
• 第2章 位置預(yù)測的相關(guān)技術(shù)16-31
• 2.1 位置預(yù)測的基本描述16-19
• 2.1.1 軌跡數(shù)據(jù)的語義結(jié)構(gòu)16-18
• 2.1.2 軌跡預(yù)測的基本過程18-19
• 2.2 相關(guān)技術(shù)概述19-30
• 2.2.1 軌跡數(shù)據(jù)的獲取19-20
• 2.2.2 軌跡數(shù)據(jù)預(yù)處理技術(shù)20-22
• 2.2.3 駐足點提取技術(shù)22-25
• 2.2.4 位置預(yù)測技術(shù)25-27
• 2.2.5 深度學(xué)習(xí)相關(guān)技術(shù)27-30
• 2.3 本章小結(jié)30-31
• 第3章 問題描述和算法流程31-35
• 3.1 基于歷史軌跡的位置預(yù)測定義31-32
• 3.2 本文位置預(yù)測的算法流程32-34
• 3.3 本章小結(jié)34-35
• 第4章 基于多級聚類算法的重要位置提取35-47
• 4.1 軌跡數(shù)據(jù)的預(yù)處理35-36
• 4.1.1 啟發(fā)式的異常值檢測35-36
• 4.2 基于區(qū)域一致性擴展的駐足點提取方法36-43
• 4.3 基于DBSCAN的重要位置提取方法43-46
• 4.4 本章小結(jié)46-47
• 第5章 基于循環(huán)神經(jīng)網(wǎng)絡(luò)的位置預(yù)測方法47-57
• 5.1 引言47-48
• 5.2 基于循環(huán)神經(jīng)網(wǎng)絡(luò)軌跡位置預(yù)測模型48-56
• 5.2.1 預(yù)測模型框架49-52
• 5.2.2 下一個位置的預(yù)測52-53
• 5.2.3 LSTM模塊53-56
• 5.3 本章小結(jié)56-57
• 第6章 實驗結(jié)果及分析57-68
• 6.1 實驗配置57-58
• 6.1.1 運行環(huán)境57
• 6.1.2 數(shù)據(jù)集描述57-58
• 6.2 實驗結(jié)果與分析58-66
• 6.2.1 重要位置提取結(jié)果58-62
• 6.2.2 下一個位置預(yù)測結(jié)果62-64
• 6.2.3 模型實驗結(jié)果對比64-66
• 6.3 本章小結(jié)66-68
• 第7章 總結(jié)與展望68-70
• 7.1 本文主要工作與貢獻(xiàn)68
• 7.2 未來研究工作展望68-70
• 參考文獻(xiàn)70-74
• 致謝74

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 云中客;新的神經(jīng)網(wǎng)絡(luò)來自于仿生學(xué)[J];物理;2001年10期

2 唐春明,高協(xié)平;進化神經(jīng)網(wǎng)絡(luò)的研究進展[J];系統(tǒng)工程與電子技術(shù);2001年10期

3 李智;一種基于神經(jīng)網(wǎng)絡(luò)的煤炭調(diào)運優(yōu)化方法[J];長沙鐵道學(xué)院學(xué)報;2003年02期

4 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];計算機工程與應(yīng)用;2004年21期

5 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學(xué);2004年03期

6 周麗暉;從統(tǒng)計角度看神經(jīng)網(wǎng)絡(luò)[J];統(tǒng)計教育;2005年06期

7 趙奇 ,劉開第 ,龐彥軍;灰色補償神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];微計算機信息;2005年14期

8 袁婷;;神經(jīng)網(wǎng)絡(luò)在股票市場預(yù)測中的應(yīng)用[J];軟件導(dǎo)刊;2006年05期

9 尚晉;楊有;;從神經(jīng)網(wǎng)絡(luò)的過去談科學(xué)發(fā)展觀[J];重慶三峽學(xué)院學(xué)報;2006年03期

10 楊鐘瑾;;神經(jīng)網(wǎng)絡(luò)的過去、現(xiàn)在和將來[J];青年探索;2006年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學(xué)術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機遇——紀(jì)念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

10 張廣遠(yuǎn);萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達(dá)大學(xué)社會學(xué)博士 密西西比州立大學(xué)國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報;2003年

4 中國科技大學(xué)計算機系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡(luò)[N];科技日報;2011年

7 健康時報特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時報;2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報;2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡(luò)的多元時間序列預(yù)測方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡(luò)并行實現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時間序列預(yù)測算法研究[D];北京科技大學(xué);2016年

10 曾U喺

本文編號：420391