guo070110053的博客

随着“互联网+”的高速发展，大数据的不断产生，人们对时空轨迹的数据分析也越来越多.本文针对海量的用户轨迹数 据进行研究，提出一种基于分区域的隐马尔可夫模型用以解决时空轨迹序列的预测问题.该模型首先通过聚类将一片区域内的 时空序列分成多个小区域，每个小区域内再通过聚类确定多个隐状态和发射序列，然后针对每个小区域进行隐马尔可夫模型的 训 练 得 出 最 终 模 型 . 预 测 时 通 过 已 知 的 时 空 序 列 ，找 到 对 应 的 区 域 模 型 ，通 过 维 特 比 算 法 计 算 出 最 佳 隐 状 态 序 列 ，再 结 合 转 移 矩 阵 做 出 下 一 个 轨 迹 点 的 预 测 . 实 验 表 明 ，该 模 型 具 有 较 高 的 学 习 速 度 ，且 预 测 精 度 较 高 .

数据挖掘论文，主要讲述数据挖掘的主流算法及相关应用