基于K-D树和机器学习的时空数据检索-预测系统

• 作者: 张洪滨 张蓬郁 江旻宇 王煜 邵嘉琳
• 来源期刊: 软件
• 学科: 工学
• 关键词: 时空数据 KD树 机器学习 LinearRegression SVR NearestNeighborsRegression
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 设计研究与应用
• 页码范围: 215-218
• 页数: 4页
• 分类号: TP18
• 字数: 2695字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2018.08.045

摘要

针对时空数据数据量大和多维属性造成的索引效率低、关联关系建模难等问题,本文提出引入KD树结构进行静态多维数据建模与检索.同时结合机器学习中Linear Regression,SVR,Nearest Neighbors Regression等六种算法进行未来状态的预测.我们对比了六种常用学习算法,对预测结果的拟合情况进行分析,以天气预测为应用背景,对比得出具体环境下,KD树与SVR算法的结合检索速度快,预测精确.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王煜	北京工业大学樊恭烋荣誉学院	17	5	1.0	2.0
2	张蓬郁	北京工业大学樊恭烋荣誉学院	1	4	1.0	1.0
3	江旻宇	北京工业大学樊恭烋荣誉学院	1	4	1.0	1.0
4	邵嘉琳	北京工业大学樊恭烋荣誉学院	1	4	1.0	1.0
5	张洪滨	北京工业大学樊恭烋荣誉学院	1	4	1.0	1.0