基于RNN-SVM的轨迹恢复方法

针对轨迹恢复问题,根据轨迹连续性、密度和连接对时序分布特征对问题进行建模;基于此模型,提出一种基于RNN-SVM的个体轨迹恢复算法,达到恢复个体移动轨迹的目标。利用RNN网络提取连接对时序分布特征,将此特征和轨迹连续性及密度输入到SVM进行分类,获取与个体相关的轨迹。实验结果表明,该算法能够以较高的准确率从不同库中寻找到与个体相关的轨迹组。

基于RNN集成学习的个人轨迹恢复方法

从多个轨迹数据库中连接并恢复出较为完整的个人轨迹对出行推荐和移动导航具有重要的意义。基于个人轨迹恢复,提出RNN集成学习方法。定义个人轨迹恢复的形式化模型,利用轨迹点数目采样模式将每个训练库划分为多个训练子库,并采用RNN网络模型描述个人轨迹的可拼接程度,使用集成学习方法构建多个RNN网络,以达到恢复个人轨迹的目的。实验结果表明,该方法可以较好地捕获轨迹时空连续性特征,实现个人轨迹恢复。