基于深度学习的轨迹恢复方法研究.caj

基于深度学习的轨迹恢复方法研究
作 者 : 刘歆琦
学位授予单位 : 中国石油大学(北京)
学位名称 : 硕士
导师姓名 : 鲁强
学位年度 : 2018
关键词 : 轨迹恢复;轨迹拼接;集成学习;RNN网络;SVM


摘 要 : 随着卫星导航、具有定位功能设备的广泛使用,使得移动物体轨迹能够被多个信息系统所捕获,并存入到多个数据库中。轨迹恢复即在多个数据库中将属于同一移动物体的轨迹信息甄别出来,进而恢复或者重建移动物体较为完整的轨迹。针对轨迹采样点稀疏程度不同,提出基于采样点分布的轨迹恢复问题,建立基于RNN集成学习的轨迹恢复方法。首先定义移动物体轨迹恢复的形式化模型,然后利用采样点时间稀疏程度评估函数将每个训练库划分为多个训练子库,对任意两个子库采用一个RNN网络模型来描述移动物体轨迹可拼接的程度,最后使用集成学习的结合策略将多个RNN网络进行集成,以达到从多个库中恢复移动物体轨迹的目的。针对轨迹间连接特性,提出基于连接对的轨迹恢复问题,建立基于RNN-SVM的轨迹恢复方法,根据轨迹连续性、密度和连接对时序分布特征对移动物体轨迹恢复问题进行建模。此模型通过RNN自动获取轨迹连接对的时序分布特征,并将此特征和轨迹连续性及密度用于SVM分类,获取与移动物体相关的轨迹,以实现移动物体轨迹恢复目标。经过实验证明,基于RNN集成学习的轨迹恢复方法和基于RNN-SVM的轨迹恢复算法分别较好地捕获轨迹时空连续性特征和轨迹连接特性,能够以较高的准确率从不同库中寻找到与移动物体相关的轨迹,实现了在不同库中恢复移动物体轨迹的目标。

      • 温馨提示:
      • 在微信、微博等APP中下载时,会出现无法下载的情况
      • 这时请选择在浏览器中打开,然后再请下载浏览
361图书馆,资源府邸,学习的天地
361图书馆 » 基于深度学习的轨迹恢复方法研究.caj

Optimized by WPJAM Basic