-
公开(公告)号：CN112667763B
公开(公告)日：2022-09-13
申请号：CN202011594675.5
申请日：2020-12-29
Applicant: 电子科技大学 , 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了一种基于自适应时间戳与多尺度特征提取的轨迹预测方法，包括以下步骤：S1：构建自适应轨迹切割时间戳；S2：根据时间戳，对用户轨迹进行切割，来拟合用户的运动模式；S3：对用户历史轨迹进行特征提取；S4：对特征向量进行归一化处理，统一多尺度特征量纲；S5：通过LSTM网络模型和分类器预测下一个POI。本发明通过结合历史轨迹数据的时间统计特性，自适应地为每一个用户定义个性化时间戳，关注不同用户运动模式之间的差异性；并结合时间序列特征提取方法多尺度对用户轨迹特征进行提取，解决了人为固定时间戳定义、轨迹特征单一性以及特征向量嵌入量纲不统一给用户轨迹预测带来的问题，提高了预测精度的效果。
-
公开(公告)号：CN112667763A
公开(公告)日：2021-04-16
申请号：CN202011594675.5
申请日：2020-12-29
Applicant: 电子科技大学 , 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了一种基于自适应时间戳与多尺度特征提取的轨迹预测方法，包括以下步骤：S1：构建自适应轨迹切割时间戳；S2：根据时间戳，对用户轨迹进行切割，来拟合用户的运动模式；S3：对用户历史轨迹进行特征提取；S4：对特征向量进行归一化处理，统一多尺度特征量纲；S5：通过LSTM网络模型和分类器预测下一个POI。本发明通过结合历史轨迹数据的时间统计特性，自适应地为每一个用户定义个性化时间戳，关注不同用户运动模式之间的差异性；并结合时间序列特征提取方法多尺度对用户轨迹特征进行提取，解决了人为固定时间戳定义、轨迹特征单一性以及特征向量嵌入量纲不统一给用户轨迹预测带来的问题，提高了预测精度的效果。
-
公开(公告)号：CN111898040A
公开(公告)日：2020-11-06
申请号：CN202010699207.8
申请日：2020-07-20
Applicant: 电子科技大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明公开了一种结合社交网络的圈层用户影响力评估方法，所述的圈层用户影响力评估方法包括：用户身份信息映射、用户间接影响力评估、用户直接影响力评估。本发明通过对数据库中社交网络用户属性信息与圈层重点事件信息进行影响力的度量分析，减少复杂关系网络中，对用户影响力评估的复杂度，得到用户直接影响力评估值和间接影响力评估值，使得用户影响力的评估直观易懂。
-
公开(公告)号：CN111898040B
公开(公告)日：2022-04-15
申请号：CN202010699207.8
申请日：2020-07-20
Applicant: 电子科技大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明公开了一种结合社交网络的圈层用户影响力评估方法，所述的圈层用户影响力评估方法包括：用户身份信息映射、用户间接影响力评估、用户直接影响力评估。本发明通过对数据库中社交网络用户属性信息与圈层重点事件信息进行影响力的度量分析，减少复杂关系网络中，对用户影响力评估的复杂度，得到用户直接影响力评估值和间接影响力评估值，使得用户影响力的评估直观易懂。
-
-
-
Search Results
4
records
(took 0.049 seconds)
