基于地理位置的移动用户群组划分方法

为解决移动用户分组问题,提出一种基于地理位置的移动用户群组划分方法。根据已有用户统计信息,计算用户分布密度,利用用户密度及多峰高斯分布函数,找出各个高斯分布的顶点、特征半径、顶点对应群组的中心位置,以及特征半径对应群组的半径,从而划分出各个群组。实验证明,该方法能够合理划分移动用户群组,易于控制群组规模。

移动环境下基于用户轨迹的社交亲近度研究

提出了一种基于时空轨迹的社交亲近度模型,目的是为了解决新一代广播电视服务系统中移动手机电视用户之间控制内容分享问题。该模型首先将用户轨迹空间离散化,并将用户轨迹映射到该离散空间。然后根据相同时刻,用户之间的空间距离,计算用户之间的社交亲近度。根据亲近度,将其朋友分组,以控制分享内容。实验结果表明,该方法能够有效反映用户地理位置轨迹与用户之间的社交关系,平均分组正确率达89%。

一种基于空间相依性的移动对象聚类算法

移动对象的聚类算法,要求能够适应移动对象移动模式动态变化的特点。针对该问题,提出了一种基于空间相依性的移动对象聚类算法。该算法首先计算移动对象之间的空间相依度,空间相依度考虑了移动对象之间的移动速度、方向及位置。当用户之间的空间相依度大于某一阈值时,认为对象之间可达,所有相依度可达对象划分为同一个群组,从而实现移动对象聚类。算法采用一段时间内对象的平均速度和方向代替即时速度和方向,能够有效降低重新聚类次数。实验及分析表明,该算法能够体现移动对象的移动特性,对于移动对象的聚类具有较高性能。

基于概率的移动用户移动模型

提出了一种基于概率的移动用户移动模型,目的是为了解决新一代广播电视服务系统中建立手机移动电视用户移动模型问题。该模型首先将用户空间中道路交叉点作为顶点,按照Voronoi图将用户空间划分为多个区域,当用户运动到区域顶点时,根据用户在相邻区域内出现的概率选择路径。并对高斯-马尔可夫移动模型中移动速度进行改进,将用户上次经过该位置的速度作为速度预测的一个重要因素考虑进来。实验结果表明,在速度预测及位置预测方面,本模型的性能均明显优于高斯-马尔可夫移动模型。