資源描述：
《基于混合多步markov模型的位置預(yù)測(cè)方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、萬(wàn)方數(shù)據(jù)分類號(hào)UDC密級(jí)學(xué)位論文基于混合多步Markov模型的位置預(yù)測(cè)方法研究作者姓名：指導(dǎo)教師：申請(qǐng)學(xué)位級(jí)別：學(xué)科專業(yè)名稱：論文提交日期：學(xué)位授予日期：評(píng)閱人：楊迪林樹寬教授東北大學(xué)信息科學(xué)與工程學(xué)院碩士學(xué)科類別：工學(xué)學(xué)位計(jì)算機(jī)軟件與理論2014年6月論文答辯日期：2014年6月2014年7月答辯委員會(huì)主席：王大玲教授張偉，孫建偉東北大學(xué)2014年6月萬(wàn)方數(shù)據(jù)AThesisinComputerSoftwareandTheoryResearchonLocationPredictionBasedonHybridMulti--StepMarkovModelByYangDiSupervisor
2、：ProfessorLinShukuanNortheasternUniversityJune2014萬(wàn)方數(shù)據(jù)獨(dú)創(chuàng)性聲明本人聲明，所呈交的學(xué)位論文是在導(dǎo)師的指導(dǎo)下完成的。論文中取得的研究成果除加以標(biāo)注和致謝的地方外，不包含其他人己經(jīng)發(fā)表或撰寫過(guò)的研究成果，也不包括本人為獲得其他學(xué)位而使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均己在論文中作了明確的說(shuō)明并表示謝二屯思。學(xué)位論文作者簽名：物芻壘一日期：加胗爭(zhēng)占居學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者和指導(dǎo)教師完全了解東北大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定：即學(xué)校有權(quán)保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱和借閱。
3、本人同意東北大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索、交流。作者和導(dǎo)師同意網(wǎng)上交流的時(shí)間為作者獲得學(xué)位后：半年口一年口一年半口兩年∥學(xué)位論文作者簽名：餳蔓L簽字日期：2汐膨車莎月導(dǎo)師簽名：科中了皂簽字日期：2口I嶧蕁l’日萬(wàn)方數(shù)據(jù)東北大學(xué)碩士學(xué)位論文摘要基于混合多步Markov模型的位置預(yù)測(cè)方法研究摘要近年來(lái)，隨著移動(dòng)定位技術(shù)的成熟和流行，基于位置服務(wù)越來(lái)越受到人們的關(guān)注。位置預(yù)測(cè)技術(shù)是其中重要部分，并有著廣泛的應(yīng)用。目前，位置預(yù)測(cè)方法中較為常用的是基于Markov模型的預(yù)測(cè)方法，然而這類方法存在很多問(wèn)題，例如：沒(méi)有有效的劃分區(qū)域、沒(méi)有考慮用戶特性以及只基于當(dāng)前位置進(jìn)行預(yù)
4、測(cè)。因此，基于Markov模型的新的位置預(yù)測(cè)方法的研究迫在眉睫。本文以傳統(tǒng)的基于Markov模型的位置預(yù)測(cè)理論為基礎(chǔ)，并針對(duì)其中存在的問(wèn)題加以改進(jìn)。建立了包括離線數(shù)據(jù)處理、線下模型訓(xùn)練和線上位置預(yù)測(cè)的完整位置預(yù)測(cè)方案，使得預(yù)測(cè)準(zhǔn)確率更高，系統(tǒng)適用范圍更廣。本文的主要貢獻(xiàn)如下：首先，針對(duì)GPS數(shù)據(jù)遠(yuǎn)比其他數(shù)據(jù)更容易獲取的特點(diǎn)，提出只基于用戶歷史GPS數(shù)據(jù)進(jìn)行位置預(yù)測(cè)的方案，使得位置預(yù)測(cè)方法更符合實(shí)際、應(yīng)用范圍更廣。其次，針對(duì)傳統(tǒng)位置預(yù)測(cè)中將地圖網(wǎng)格化的方法所存在的問(wèn)題，提出一種新的劃分方案，從GPS數(shù)據(jù)中提取興趣點(diǎn)，并依據(jù)興趣點(diǎn)將地圖進(jìn)行更有意義的劃分。再次，針對(duì)傳統(tǒng)Markov模型預(yù)測(cè)方
5、法沒(méi)有考慮用戶特性的問(wèn)題，提出一種聚類算法，將用戶聚類為用戶組并為每個(gè)用戶組建立預(yù)測(cè)模型，實(shí)驗(yàn)證明可以有效的提高預(yù)測(cè)的準(zhǔn)確率。最后，針對(duì)傳統(tǒng)基于Markov模型的位置預(yù)測(cè)方法存在的問(wèn)題，提出了建立混合多步Markov模型的方法，考慮了軌跡上的多個(gè)位置，并給出了每個(gè)位置對(duì)預(yù)測(cè)的影響系數(shù)。另外，因?yàn)橛脩裘看蔚囊苿?dòng)行為并不一定完全符合用戶的習(xí)慣，所以提出一種貝葉斯方法，可以僅根據(jù)當(dāng)前軌跡選擇最符合該軌跡的模型進(jìn)行預(yù)測(cè)。同時(shí)，解決了難以為新加入系統(tǒng)的用戶和數(shù)據(jù)稀疏的用戶進(jìn)行預(yù)測(cè)的問(wèn)題。通過(guò)理論分析和實(shí)驗(yàn)評(píng)估，證明了本文提出的基于混合多步Markov模型位置預(yù)測(cè)方法符合理論上的可行性和操作上的正確
6、性。關(guān)鍵詞：基于位置服務(wù)；移動(dòng)定位技術(shù)；位置預(yù)測(cè)；Markov模型；用戶聚類萬(wàn)方數(shù)據(jù)東北大學(xué)碩士學(xué)住論文AbstractResearchOilLocat：ionPredictionBasedonHybridMulti--StepMarkovModelAbstractInrecentyears，withmobilelocalizationtechnologymaturingandpopular,location-basedservice(LBS)receivesextensiveattention．LocationpredictionisanimportantpartofLBS，which
7、iswidelyapplied．Atpresent，therearealotofresearchestopredictlocationbasedonMarkovModel，inwhichmanyproblemsexist．Forexample，regionsarenotpartitionedreasonably,users’characteristicsarenotconsidered，andthepredictionisonlyb
