基于双向长短期记忆网络的用户轨迹停留点提取OA
Extraction of Staying Points in User Trajectory Based on Bidirectional Long Short-Term Memory
针对用户轨迹停留点提取问题,提出一种基于深度学习的Bi-LSTM-DBSCAN模型.该模型采用双向长短期记忆网络作为特征提取器,利用改进的DBSCAN算法作为轨迹停留点聚类方法,完成停留点分析任务,有效地解决了轨迹数据点之间关联性不强、处理复杂轨迹段效果不明显带来的聚类效果不佳的问题.实验结果表明,该模型在Geolife轨迹数据集上进行轨迹停留点提取时,相比于使用该文提到的其他停留点提取方法,其准确率、召回率和F值有明显的提升,取得了较好的效果.
纪开松;马宏;王庚润;刘树新
信息工程大学,河南 郑州 450001信息工程大学,河南 郑州 450001信息工程大学,河南 郑州 450001信息工程大学,河南 郑州 450001
信息技术与安全科学
轨迹数据挖掘停留点深度学习Bi-LSTM-DBSCAN
《信息工程大学学报》 2021 (6)
641-646,6
国家自然科学基金青年科学基金资助项目(61803384)
评论