基于LSTM的移动对象位置预测算法*

• 作者: 江国华 王钟毓 秦小麟 高雅
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 位置预测 降维 移动对象 长短期记忆网络(LSTM)
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 数据库技术
• 页码范围: 23-34
• 页数: 12页
• 分类号: TP311
• 字数: 9549字
• 语种: 中文

摘要

移动对象位置预测是基于位置服务的重要组成部分.现有的移动对象位置预测算法有基于马尔可夫链的算法、基于隐马尔可夫模型的算法、基于神经网络的算法等,然而这些算法都无法解决移动对象轨迹数据中位置过多带来的维数灾难问题.为了解决这一问题,提出了位置分布式表示模型(location distributed representation model,LDRM).该模型将难以处理的表示位置的高维one-hot向量降维成包含移动对象运动模式的低维位置嵌入向量.随后,将该模型与基于长短期记忆网络(long short-term memory,LSTM)的位置预测算法结合为LDRM-LSTM移动对象位置预测算法.真实数据集上的实验表明,与现有算法相比LDRM-LSTM算法在预测准确性上有较大的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	秦小麟	南京航空航天大学计算机科学与技术学院	175	1597	20.0	30.0
2	江国华	南京航空航天大学计算机科学与技术学院	29	79	5.0	6.0
3	高雅	南京航空航天大学计算机科学与技术学院	2	3	1.0	1.0
4	王钟毓	南京航空航天大学计算机科学与技术学院	1	2	1.0	1.0