基于模式挖掘与匹配的移动轨迹预测方法

吉林大学学报(工学版)

基于模式挖掘与匹配的移动轨迹预测方法

赵越¹，刘衍珩¹，余雪岗¹，魏达¹，单长伟²，赵洋³

1.吉林大学计算机科学与技术学院符号计算与知识工程教育部重点实验室,长春 130012; 2.南京汽车集团有限公司汽车工程研究所，南京 210028; 3.中国民航大学电子信息工程学院，天津 300300

收稿日期:2007-06-14 修回日期:1900-01-01 出版日期:2008-09-01 发布日期:2008-09-01
通讯作者: 刘衍珩

Method for mobile path prediction based on pattern mining and matching

ZHAO Yue¹, LIU Yan-heng¹, YU Xue-gang¹, WEI Da¹, SHAN Chang-wei², ZHAO Yang³

1.College of Computer Science and Technology, Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University, Changchun 130012, China; 2.Academic Institution of Automobile Engineering, Nanjing Automobile Group Corporation, Nanjing 210028,China; 3.College of Electron Communication Eengineering,Civil Aviation University of China,Tianjin 300300, China

Received:2007-06-14 Revised:1900-01-01 Online:2008-09-01 Published:2008-09-01
Contact: LIU Yan-heng

摘要/Abstract

摘要： 分析了移动轨迹预测的已有方案及各方案存在的问题，提出了一种全新的移动设备位置预测方法，即基于模式挖掘与模式匹配的移动用户移动轨迹预测(Mpp)方法。在若干个实际WLAN用户的移动跟踪数据集上对Markov预测器和新预测器的预测精度进行了比较。实验结果表明：该方法能够达到比较理想的预测效果，与二阶Markov预测器的预测效果基本持平。同时，该方法能够实现增量挖掘，预测精度和可靠性有了进一步提高，具有较高的实用价值。

关键词: 计算机系统结构, 移动轨迹预测, 模式挖掘, 增量挖掘, 模式匹配

Abstract: The shortcomings of some existed mobile path prediction schemes are analyzed in this paper. Then a new prediction method based on pattern mining and matching is proposed, which we call MPP method. In this study we compare the performance of the MPP with that of Orderk Markov predictors using a trace of the mobility patterns of 1,200 users on real WiFi wireless network. Results show that using the MPP method we can achieve ideal predicting effect, which is equally good as or a little better than that using Order2 Markov predictor, which has the best performance among Markov Orderk predictors. Also based on MPP method we can realize incremental mining that further improves the predicting accuracy and the reliability.

Key words: computer systems organization, mobile path prediction, pattern mining, the Increment of mining, pattern matching

中图分类号:

TP393

赵越，刘衍珩，余雪岗，魏达，单长伟，赵洋3 . 基于模式挖掘与匹配的移动轨迹预测方法[J]. 吉林大学学报(工学版), 2008, 38(05): 1125-1130.

ZHAO Yue, LIU Yan-heng, YU Xue-gang, WEI Da, SHAN Chang-wei, ZHAO Yang . Method for mobile path prediction based on pattern mining and matching
[J]. 吉林大学学报(工学版), 2008, 38(05): 1125-1130.

参考文献

相关文章 15

[1]	余宜诚, 胡亮, 迟令, 初剑峰. 一种改进的适用于多服务器架构的匿名认证协议[J]. 吉林大学学报(工学版), 2018, 48(5): 1586-1592.
[2]	董坚峰, 张玉峰, 戴志强. 改进的基于狄利克雷混合模型的推荐算法[J]. 吉林大学学报(工学版), 2018, 48(2): 596-604.
[3]	赵博, 秦贵和, 赵永哲, 杨文迪. 基于半陷门单向函数的公钥密码[J]. 吉林大学学报(工学版), 2018, 48(1): 259-267.
[4]	刘磊, 刘利娟, 吴新维, 张鹏. 基于ECPMR的编译器测试方法[J]. 吉林大学学报(工学版), 2017, 47(4): 1262-1267.
[5]	董立岩, 王越群, 贺嘉楠, 孙铭会, 李永丽. 基于时间衰减的协同过滤推荐算法[J]. 吉林大学学报(工学版), 2017, 47(4): 1268-1272.
[6]	于斌斌, 武欣雨, 初剑峰, 胡亮. 基于群密钥协商的无线传感器网络签名协议[J]. 吉林大学学报(工学版), 2017, 47(3): 924-929.
[7]	邓昌义, 郭锐锋, 张忆文, 王鸿亮. 基于平衡因子的动态偶发任务低功耗调度算法[J]. 吉林大学学报(工学版), 2017, 47(2): 591-600.
[8]	魏晓辉, 刘智亮, 庄园, 李洪亮, 李翔. 支持大规模流数据在线处理的自适应检查点机制[J]. 吉林大学学报(工学版), 2017, 47(1): 199-207.
[9]	郝娉婷, 胡亮, 姜婧妍, 车喜龙. 基于多管理节点的乐观锁协议[J]. 吉林大学学报(工学版), 2017, 47(1): 227-234.
[10]	魏晓辉, 李翔, 李洪亮, 李聪, 庄园, 于洪梅. 支持大规模流数据处理的弹性在线MapReduce模型及拓扑协议[J]. 吉林大学学报(工学版), 2016, 46(4): 1222-1231.
[11]	车翔玖, 梁森. 一种基于大顶堆的SPIHT改进算法[J]. 吉林大学学报(工学版), 2016, 46(3): 865-869.
[12]	董悦丽, 郭权, 孙斌, 康玲. 药物分子对接动态任务迁移优化[J]. 吉林大学学报(工学版), 2015, 45(4): 1253-1259.
[13]	匡哲君，师唯佳，胡亮. 基于无线传感器网络的角色成员关系剩余能量新算法[J]. 吉林大学学报(工学版), 2015, 45(2): 600-605.
[14]	王俊华，左万利，彭涛. 面向文本的本体学习方法[J]. 吉林大学学报(工学版), 2015, 45(1): 236-244.
[15]	张忆文，郭锐锋. 实时系统混合任务低功耗调度算法[J]. 吉林大学学报(工学版), 2015, 45(1): 261-266.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed