一种聚类隐马尔可夫模型的时空轨迹预测算法

随着"互联网+"的高速发展,大数据的不断产生,人们对时空轨迹的数据分析也越来越多.本文针对海量的用户轨迹数据进行研究,提出一种基于分区域的隐马尔可夫模型用以解决时空轨迹序列的预测问题.该模型首先通过聚类将一片区域内的时空序列分成多个小区域,每个小区域内再通过聚类确定多个隐状态和发射序列,然后针对每个小区域进行隐马尔可夫模型的训练得出最终模型.预测时通过已知的时空序列,找到对应的区域模型,通过维特比算法计算出最佳隐状态序列,再结合转移矩阵做出下一个轨迹点的预测.实验表明,该模型具有较高的学习速度,且预测精度较高.