-
题名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
-
机构
吉林大学计算机科学与技术学院
北京信息科技大学机电工程学院
-
出处
《计算机仿真》
北大核心
2021年第11期361-365,共5页
-
基金
国家自然科学基金面上项目(52077007)
北京市教育委员会科技计划项目(KM201811232003)。
-
文摘
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。
-
关键词
粗糙神经网络
用户轨迹数据
深度挖掘
粗糙集
聚类
-
Keywords
Rough neural network
user trajectory data
deep mining
rough set
clustering
-
分类号
TP359
[自动化与计算机技术—计算机系统结构]
-
-
题名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
-
机构
华东理工大学信息科学与工程学院
-
出处
《计算机工程与科学》
CSCD
北大核心
2019年第10期1755-1762,共8页
-
文摘
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。
-
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
-
Keywords
trajectory data
time series model
measurement of users’correlation
cluster analysis
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-