首页> 中文期刊> 《计算机应用》 >基于联合特征和XGBoost的活动语义识别方法

基于联合特征和XGBoost的活动语义识别方法

         

摘要

针对以往活动语义识别研究单纯提取时间维度上的序列特征以及周期特征、缺乏对空间信息的深度挖掘等问题,提出一种基于联合特征和极限梯度提升(XGBoost)的活动语义识别方法.首先,挖掘时间信息中的活动周期性特征和空间信息中的经纬度特征;然后,使用经纬度信息通过具有噪声的基于密度的聚类(DBSCAN)算法提取空间区域热度特征,将这些特征组成特征向量来刻画用户活动语义;最后,采用集成学习方法中的XGBoost算法建立活动语义识别模型.在FourSquare的两个公共签到数据集上,基于联合特征的模型比基于时间特征的模型在识别准确率上提高了28个百分点,与上下文感知混合(CAH)方法和时空活动偏好(STAP)方法对比,所提方法的识别准确率分别提高了30个百分点和5个百分点.实验结果表明所提方法与对比方法相比在活动语义识别问题上更加准确有效.

著录项

  • 来源
    《计算机应用》 |2020年第11期|3159-3165|共7页
  • 作者单位

    北京建筑大学电气与信息工程学院 北京100044;

    建筑大数据智能处理方法研究北京市重点实验室(北京建筑大学) 北京100044;

    北京建筑大学电气与信息工程学院 北京100044;

    建筑大数据智能处理方法研究北京市重点实验室(北京建筑大学) 北京100044;

    哈尔滨工业大学计算机科学与技术学院 哈尔滨150001;

    北京建筑大学电气与信息工程学院 北京100044;

    建筑大数据智能处理方法研究北京市重点实验室(北京建筑大学) 北京100044;

    深部岩土力学与地下工程国家重点实验室(中国矿业大学) 北京100083;

  • 原文格式 PDF
  • 正文语种 chi
  • 中图分类 自动推理、机器学习;
  • 关键词

    时空数据; 活动语义识别; 空间热度; 具有噪声的基于密度的聚类; 极限梯度提升算法;

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号