基于时空周期模式挖掘的活动语义识别方法
传统的活动语义识别研究侧重从时空轨迹的空间信息中提取人类的活动语义,对时空轨迹数据的时间特性挖掘不足.本文兼顾时间和空间特征,提出了一种基于周期模式挖掘的活动语义识别方法.首先将分离出的活动轨迹数据通过空间距离进行密度聚类分成不同轨迹簇;然后,根据轨迹簇的时序特征挖掘个体对特定位置的访问周期,基于该访问周期,并结合在该位置的停留时间,及其附近兴趣点分布等特征构建分类模型,识别人类个体的活动语义.基于签到数据和仿真数据的实验结果表明,结合周期特征的活动语义识别方法相比没有加入周期特征的实验结果有效提升识别精度20%以上,在2个相同的签到数据集下,对比其他的识别方法提升精度10%以上.
时空轨迹、时空紧密相连性、密度聚类、停留时间、活动语义识别、周期模式挖掘、随机森林
16
TP181(自动化基础理论)
国家自然科学基金61871020
2021-06-15(万方平台首次上网日期,不代表论文的发表时间)
共8页
162-169