基于循环神经网络的轨迹位置预测技术研究

《基于循环神经网络的轨迹位置预测技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、密级：硕±学位论文戀论文题目基于循环神经网络的轨迹位實预测技术研究作者姓名李幸超指导教师胡天磊副教授学科（专业）计算机科学与技术所在学院计當机秘学与技术提交日期２０１６年１月６日、？、、＇‘、Ｊ—＇：－成－Ａ；Ｖ－．３．、－．＇－一－＊？．．’ｒ．■．．ＡＤｉｓｓｅｒｔａｔｉｏｎＳｕｂｍｉｔｔｅｄｔｏＺｈｅｉａｎｊｇＵｎｉｖｅｒｓｉｔｙｆｏｒｔｈｅＤｅｇｒｅｅｏｆ

2、ＭａｓｔｅｒｏｆＥｎｇｉｎｅｅｒｉｎｇ戀了ＩＴＬＥ：ＴｈｅＲｅｓｅａｒｃｈｏｆＬｏｃａｔｉｏｎＰｒｅｄｉｃｔｉｏｎＢａｓｅｄｏｎＲｅｃｕｒｒｅｎｔＮｅｕｒａｌＮｅｔｗｏｒｋＡｕｔｈｏｒ：ＸｉｎｇｃｈａｏＬｉＳｕｐｅｒｖｉｓｏｒ：ＴｉａｎｌｅｉＨｕＳｕｂｊｅｃｔ：ＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＣｏｌｌｅｇｅ：ＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＳｕｂｍｉｔｔｅｄＤａｔｅ：２０１５．０

3、１．０６独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研巧成果。据我所知，除了文中特别加Ｗ标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研巧成果，也不包含为获得浙江大学或其他教Ｗ机构的学位或证书而使用过的材料一。与我同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：签字日期，：來ｗ／年３月日ｊ学位论文版权使用授权书本学位论文作者完全了解浙江大学有关保留、使用学位论文的规定，有权保留并向国家有关部口

4、或机构送交论文的复印件和磁盘，允许论文被査阅和借阅。本人授权浙江大学可Ｗ将学位论文的全部或部分内容编入有关数据库进行检索，可Ｗ采用影巧、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本授权书）学位论文作者签名：妻起导瞧名：ｉ签字日期：灵０／／年＾月Ｉ日签字日期：年月日学位论文作者毕业后去向：工作单位：电巧：通讯地址；邮编浙江大学硕±学位论文摘要摘要随着智能设备的普及，获取由空间地理位置信息构成的用户轨迹变得非常便捷。而这些历史轨迹中往

5、往蕴含着丰富的信息，如用户的兴趣爱好、行为模式等。一直Ｗ来都是其中的研究热点基于历史轨迹预测位置技术，也取得了大量的研究成果。持别是随着基于位置服务（ＬＢ＾的蓬勃发展，有效的位置预测能够让用户有良好的体验，具有较高的实用价值和广泛的应用场景。一本文回顾了基于历史轨迹的位畳预测技术的研充进展，总结目前存在的些问题；从原始的ＧＰＳ点的轨迹序列中不能有效的提取驻足点（ｓｔａｙｐｏｉｎｔ），驻足点一一是指人们花了段时间进行些活动的地点。针对这；位置预测的准确率偏低等些存在的问题，结合实际的应用场

6、景，本文提出了全新的循环神经网络预测算法。一本文首先提出了种基于多级聚类的重要位置ｄｍａｒｋ，通过启发（ｌａｎ）提取算法一式的异常值过滤、区域致性扩展的驻足点提取、基于密度的聚类算法（ＤＢＳＣＡＮ）的重要位置提取这一流程将连续密集的原始轨迹序列转变为由重要位置构成的轨迹序列。其中利用空间换时间思想加快了驻足点提取算法的执行效率。一通常待预测的位置与己访问的位置信息存在某种上下文语义联系，根据这一假设本文提出了种全新的基于长短型记忆循环神经网络的位置预测模型。将离散化的重要位置索引序列作为模

7、型的输入，提取位置的持征向量和位置之间的相一关性，继而预测下个位置。基于上述提出的技术方法，对于真实的轨迹数据集，利用热力图可视化方式验证了重要位置提取算法的可靠性。更重要的是位置预测模型的也得到了较合理的结果。设置１０米和５０米不同的区域半径得到的准确率分别为４９．５２％和７１．２５％。一步的提升对比传统的预测模型准确率有了进。关键词；轨迹位置预测，重要位置提取，循环神经网络ｉ浙江大学硕±学位论文ＡｂｓｔｒａｃｔＡｂｓ化ａ＜ｒｔＴｈ－ｅａｄｖａｎｃｅｏｆｌｏｃａｔｉ

8、ｏｎａｃｑｕｉｓｉｔｉｏｎｔｅｃｈｎｏｌｏｇｉｅｓｅｎａｂｌｅｓｅｏｌｅｔ：ｏｒｅｃｏｒｄｔｈｅｉｒｐｐ－ｍｐｏｌｏｃａｔｉｏｎｈｉｓｔｏｒｉｅｓｗｉｔｈｓａｔｉａｌｔｅｒａｌｄａｔａｓｅｔｓｗｈｉｃｈｉｍｌａｂｕｎｄａｎｔｉｎｆｏｒｍａｔｉｏｎｐ，ｐｙ，＾ｓｕｃｈａｓｅｏｌｅｓｉｎｔｅｒｅｓｔｈａｂｉｔ