期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于粗糙神经网络的用户轨迹数据深度挖掘 被引量:1
1
作者 秦泽浩 赵理 《计算机仿真》 北大核心 2021年第11期361-365,共5页
利用目前方法对用户轨迹数据深度挖掘时,没有提取用户轨迹特征,存在终点预测精度低、系统模型鲁棒性低和系统模型命中率差的问题。于是提出基于粗糙神经网络的用户轨迹数据深度挖掘方法,通过对用户行为的影响因素进行分析与处理,获取用... 利用目前方法对用户轨迹数据深度挖掘时,没有提取用户轨迹特征,存在终点预测精度低、系统模型鲁棒性低和系统模型命中率差的问题。于是提出基于粗糙神经网络的用户轨迹数据深度挖掘方法,通过对用户行为的影响因素进行分析与处理,获取用户轨迹数据特征,利用粗糙集简化数据获取挖掘规则;构建用户轨迹数据模型,采用聚类方法对规则数据产生的增长维数进行消减,最后确定模型输入,划分输入空间,为每个模糊划分选择合适的函数,完成用户轨迹数据深度挖掘。实验结果表明,通过对系统模型进行终点预测精度测试、鲁棒性对比测试和命中率对比测试,验证了该方法具有准确性高、可靠性高的特点。 展开更多
关键词 粗糙神经网络 用户轨迹数据 深度挖掘 粗糙集 聚类
下载PDF
基于最短时间距离的校园无线网络用户关联性度量
2
作者 李鑫健 刘漫丹 《计算机工程与科学》 CSCD 北大核心 2019年第10期1755-1762,共8页
在校园网络中,存在着大量的信息系统,记录着用户的日常行为信息。通过对大量用户的日常轨迹信息分析,可以发现用户之间的行为关联性,度量用户之间的社会关系强度。基于上海某校的校园网络数据特点,提出了一种改进的基于用户时间序列模型... 在校园网络中,存在着大量的信息系统,记录着用户的日常行为信息。通过对大量用户的日常轨迹信息分析,可以发现用户之间的行为关联性,度量用户之间的社会关系强度。基于上海某校的校园网络数据特点,提出了一种改进的基于用户时间序列模型,用最短时间距离进行社会关系度量的方法。该方法首先依据用户的行为数据生成用户行为时间序列,并在此基础上进行行为关联性的度量,以反映用户在真实世界中的社会关系强度,并利用地点访问热度修正社会关系强度的分析结果。实验中使用该方法对上海某校的校园网数据进行分析,度量用户关联性强度,验证了该方法的有效性。 展开更多
关键词 用户轨迹数据 时空序列模型 用户关联性度量 聚类分析
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部