Indexed by：
Abstract：
针对基于马尔可夫模型在真实时间上进行位置预测时,需要通过对时间进行等值划分来确定位置转移时间点,从而导致预测结果粗糙的问题,提出一种基于高斯分析的马尔可夫位置预测方法。该方法首先利用高斯混合模型拟合连续时间下地点之间的转移概率,从而发现可能的位置转移时间点,并将这些时间点作为马尔可夫模型的状态转移点,建立马尔可夫模型;然后通过用户在这些时间点的转移概率流向,计算用户位于某一位置的概率值,从而得到最终的位置预测结果。在数据集Geo Life上的实验结果表明,该方法相对于传统马尔可夫模型和高斯混合模型的预测准确率分别提升了约10%和12%。
Keyword：
Reprint Author's Address：
Email：
Source ：
计算机技术与发展
Year： 2018
Issue： 01
Volume： 28
Page： 41-44,50
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 9
Affiliated Colleges：
