|
|
1.
基于Markov模型与轨迹相似度的移动对象位置预测算法
宋路杰, 孟凡荣, 袁冠
计算机应用
2016, 36 (1):
39-43.
DOI: 10.11772/j.issn.1001-9081.2016.01.0039
针对低阶Markov模型预测精度较差,以及多阶Markov模型预测稀疏率高的问题,提出一种基于Markov模型与轨迹相似度(MMTS)的移动对象位置预测算法。该方法借鉴了Markov模型思想对移动对象的历史轨迹进行建模,并将轨迹相似度作为位置预测的重要因素,以Markov预测模型的预测结果集作为预测候选集,结合相似度因素得出最终预测结果。实验结果表明,与
k阶Markov模型相比,该方法的预测性能不会随着训练样本大小及阶数
k的变化受到很大的影响,并且在大幅降低
k阶Markov模型预测稀疏率的同时将预测精度平均提高了8%以上。所提方法不仅解决了
k阶Markov模型的预测稀疏率高及预测精度不足的问题;同时提高了预测的稳定性。
参考文献 |
相关文章 |
多维度评价
|
|
