基于K-Means和時(shí)間匹配的位置預(yù)測模型
關(guān)鍵詞：位置預(yù)測 時(shí)鬧匹配 聚類
摘要：隨著移動(dòng)服務(wù)的發(fā)展，越來越多的移動(dòng)端服務(wù)基于對(duì)象的位置進(jìn)行推送和推薦。因此位置預(yù)測技術(shù)顯得越來越重要．由于對(duì)象位置信息存在采集不連續(xù)或?qū)ο笮袨椴灰?guī)律等因素，導(dǎo)致位置預(yù)測成為一項(xiàng)非常有挑戰(zhàn)的工作．為了提高位置預(yù)測的準(zhǔn)確性，提出一種基于K-MestNs算法和時(shí)間匹配的位置預(yù)測模型．該模型使用K—Means算法對(duì)歷史位置點(diǎn)進(jìn)行聚類，劃分多個(gè)對(duì)象運(yùn)動(dòng)區(qū)域，針對(duì)對(duì)象運(yùn)動(dòng)區(qū)域進(jìn)行預(yù)測．按照對(duì)象的作息時(shí)間將一天時(shí)間劃分為多個(gè)時(shí)間段，運(yùn)用筆者提出的軌跡建模算法和軌跡更新算法形成用戶運(yùn)動(dòng)軌跡，形成對(duì)象運(yùn)動(dòng)軌跡，再使用時(shí)間匹配原則進(jìn)行住置預(yù)測．筆者最后利用真實(shí)的數(shù)據(jù)實(shí)現(xiàn)該模型，實(shí)驗(yàn)證明：未使用該模型的位置預(yù)測準(zhǔn)確率為39．7％；使用該模型后算法和時(shí)間匹配的位置預(yù)測模型預(yù)測準(zhǔn)確率達(dá)到60．3％，準(zhǔn)確率提高了20％左右．
鄭州工業(yè)大學(xué)學(xué)報(bào)雜志要求:
{1}作圖數(shù)據(jù)必須附于圖后。圖片必須反差鮮明，清晰易辨。顯微照片內(nèi)應(yīng)畫長度標(biāo)尺，如1 μm。圖片像素應(yīng)盡量較高，附于相應(yīng)文字下方，并標(biāo)明圖號(hào)、圖題和圖注，注意圖片的上下方位。
{2}論文涉及的課題如為國家或部、省級(jí)以上基金或攻關(guān)項(xiàng)目，應(yīng)予以注明。對(duì)于有中英文摘要的來稿，基金項(xiàng)目分別以中英文注于中英文關(guān)鍵詞下方。
{3}參考文獻(xiàn)等要素完整、規(guī)范，按照順序編碼制著錄。
{4}作者需提供200-300字的內(nèi)容摘要，3-6個(gè)關(guān)鍵詞。
{5}作者信息：作者姓名、單位、職稱、聯(lián)系電話、通訊地址、電郵地址。
注：因版權(quán)方要求，不能公開全文，如需全文，請(qǐng)咨詢雜志社
