基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
传统的活动语义识别研究侧重从时空轨迹的空间信息中提取人类的活动语义,对时空轨迹数据的时间特性挖掘不足.本文兼顾时间和空间特征,提出了一种基于周期模式挖掘的活动语义识别方法.首先将分离出的活动轨迹数据通过空间距离进行密度聚类分成不同轨迹簇;然后,根据轨迹簇的时序特征挖掘个体对特定位置的访问周期,基于该访问周期,并结合在该位置的停留时间,及其附近兴趣点分布等特征构建分类模型,识别人类个体的活动语义.基于签到数据和仿真数据的实验结果表明,结合周期特征的活动语义识别方法相比没有加入周期特征的实验结果有效提升识别精度20%以上,在2个相同的签到数据集下,对比其他的识别方法提升精度10%以上.
推荐文章
基于语义图嵌入的实体与关系联合识别方法
实体识别
关系识别
联合学习
图神经网络
一种部位语义感知的视频行为识别方法
行为识别
深度学习
卷积神经网络
一种基于多尺度语义分析的图像识别方法
图像识别
语义分析
多尺度
支持向量机
基于引用启发式和URL语义相结合的会话识别方法
Web日志挖掘
会话识别
数据预处理
引用启发式
URL语义
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于时空周期模式挖掘的活动语义识别方法
来源期刊 智能系统学报 学科
关键词 时空轨迹 时空紧密相连性 密度聚类 停留时间 活动语义识别 周期模式挖掘 随机森林
年,卷(期) 2021,(1) 所属期刊栏目 吴文俊人工智能科学技术奖论坛|Forum of Recipients of Wu Wenjun Artificial Intelligence Science and Technologyl Award
研究方向 页码范围 162-169
页数 8页 分类号 TP181
字数 语种 中文
DOI 10.11992/tis.202012035
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (51)
共引文献  (12)
参考文献  (21)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1976(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2013(6)
  • 参考文献(0)
  • 二级参考文献(6)
2014(4)
  • 参考文献(0)
  • 二级参考文献(4)
2015(16)
  • 参考文献(2)
  • 二级参考文献(14)
2016(9)
  • 参考文献(2)
  • 二级参考文献(7)
2017(9)
  • 参考文献(3)
  • 二级参考文献(6)
2018(9)
  • 参考文献(6)
  • 二级参考文献(3)
2019(6)
  • 参考文献(3)
  • 二级参考文献(3)
2020(2)
  • 参考文献(1)
  • 二级参考文献(1)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
时空轨迹
时空紧密相连性
密度聚类
停留时间
活动语义识别
周期模式挖掘
随机森林
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
智能系统学报
双月刊
1673-4785
23-1538/TP
大16开
哈尔滨市南岗区南通大街145-1号楼
2006
chi
出版文献量(篇)
2770
总下载数(次)
11
总被引数(次)
12401
论文1v1指导