基于时空数据的社会关系推断模型研究

发布时间：2023-08-25 20:49

　　随着定位和通信等技术的不断发展,移动对象的追踪准确度及精度显著改善。移动智能设备、计算机存储等技术的提升,使得移动对象位置数据的获取更为便捷,同时数据能够持久化保存。大量的历史位置数据为移动对象的行为分析提供了丰富的数据依据。社会关系作为日常生活中的重要组成部分,对社会网络的刻画在社会学、公共安全、普适计算以及产品营销中有着广泛的应用。本文将人视作移动对象,对人日常活动产生的轨迹数据进行研究,从时空轨迹数据这一新视角出发设计实现了社会关系推断系统。本文的主要工作如下:(1)针对现有停留点提取算法中存在的“伪停留点”以及“停留点误分割”等问题,对DBSCAN算法进行改进,修改其输入参数,并增加了对候选停留区的判断。改进后的算法对复杂场景的适应程度得到较好的提升,为后续研究打下坚实基础。(2)提出了一种将时空数据转化为语义轨迹的方法,通过引入POI(兴趣点)数据库为轨迹数据添加丰富的空间场景信息,更好的提取轨迹停留点中的隐含信息。从语义轨迹的角度依据不同空间粒度建立多级空间尺度的语义化轨迹,实现移动对象间共现数据的高效获取。(3)提出一种基于轨迹数据同时支持概率输出的社会关系推断算法。充分...

【文章页数】：80 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究综述
    1.3 本文主要的研究内容
    1.4 本文组织结构
第二章 相关理论基础
    2.1 时空轨迹数据
        2.1.1 时空轨迹数据的特殊性
        2.1.2 定位技术
    2.2 轨迹停留点
        2.2.1 停留-移动模型
        2.2.2 空间聚类算法
        2.2.3 轨迹语义化
    2.3 支持向量机
        2.3.1 支持向量机的基本型
        2.3.2 非线性支持向量机
    2.4 本章小结
第三章 停留点的提取
    3.1 相关定义
    3.2 停留点提取研究现状
    3.3 基于密度聚类的停留点提取算法
    3.4 算法实现
        3.4.1 实验数据
        3.4.2 轨迹原始数据预处理
        3.4.3 停留点提取算法参数选取
    3.5 本章小结
第四章 社会关系推断模型研究
    4.1 引言
    4.2 轨迹语义化
    4.3 共现信息的提取
    4.4 社会关系分类
        4.4.1 移动对象间轨迹共现特征向量的提取
        4.4.2 支持概率输出的多分类支持向量机
    4.5 社会关系推断模型实现
        4.5.1 实验数据
        4.5.2 模型训练与参数选取
    4.6 本章小结
第五章 社会关系推断系统的设计与实现
    5.1 社会关系推断系统总体设计
        5.1.1 系统开发环境
        5.1.2 系统结构
    5.2 系统模块功能
        5.2.1 轨迹数据处理模块
        5.2.2 社会关系推断模块
        5.2.3 控制模块
        5.2.4 可视化模块
    5.3 系统功能展示
    5.4 本章小结
第六章 总结与展望
    6.1 工作总结
    6.2 工作展望
参考文献
致谢
附录：攻读硕士学位期间取得的科研成果



本文编号：3843285