• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>other >A geographical location prediction method based on continuous time series Markov model
【2h】

A geographical location prediction method based on continuous time series Markov model

机译：基于连续时间序列马尔可夫模型的地理位置预测方法

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Trajectory data uploaded by mobile devices is growing quickly. It represents the movement of an individual or a device based on the longitude and latitude coordinates collected by GPS. The location based service has a broad application prospect in the real world. As the traditional location prediction models which are based on the discrete state sequence cannot predict the locations in real time, we propose a Continuous Time Series Markov Model (CTS-MM) to solve this problem. The method takes the Gaussian Mixed Model (GMM) to simulate the posterior probability of a location in the continuous time series. The probability calculation method and state transition model of the Hidden Markov Model (HMM) are improved to get the precise location prediction. The experimental results on GeoLife data show that CTS-MM performs better for location prediction in exact minute than traditional location prediction models.
机译：移动设备上传的轨迹数据正在迅速增长。它代表基于GPS收集的经度和纬度坐标的个人或设备的运动。基于位置的服务在现实世界中具有广阔的应用前景。由于传统的基于离散状态序列的位置预测模型无法实时预测位置，因此我们提出了连续时间序列马尔可夫模型（CTS-MM）来解决此问题。该方法采用高斯混合模型（GMM）来模拟连续时间序列中某个位置的后验概率。改进了隐马尔可夫模型（HMM）的概率计算方法和状态转移模型，以获得精确的位置预测。 GeoLife数据上的实验结果表明，CTS-MM在精确的分钟内比传统的位置预测模型在位置预测方面表现更好。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

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