-
题名限制等价函数与模糊相似度
被引量：1
- 1
-
-
作者
李冰荣
裴道武
-
机构
浙江理工大学理学院
-
出处
《模糊系统与数学》
北大核心
2018年第4期32-41,共10页
-
基金
国家自然科学基金资助项目(11171308
61379018
61472471)
-
文摘
模糊相似度作为度量模糊集之间相似程度的重要工具,已经在理论研究与应用领域发挥了十分重要的作用,而限制等价函数与模糊相似度具有紧密的联系。本文对于限制等价函数的性质与构造方法展开进一步讨论,研究限制等价函数与自同构,t-模,以及t-余模之间的关系,进而研究由限制等价函数构造的模糊相似度的性质。我们的结果表明,这种由限制等价函数构造的模糊相似度具有相当好的性质。
-
关键词
模糊相似度
限制等价函数
自同构
三角模
聚合函数
-
Keywords
Fuzzy Similarity Measure
Restricted Equivalence Function
Automorphism
Triangular Norm
Aggregation Function
-
分类号
O159
[理学—数学]
-
-
题名基于CNN和LSTM的移动对象目的地预测
被引量：1
- 2
-
-
作者
李冰荣
皮德常
候梦如
-
机构
南京航空航天大学计算机科学与技术学院
-
出处
《计算机科学》
CSCD
北大核心
2021年第4期70-77,共8页
-
基金
国家自然科学基金(U1433116)。
-
文摘
移动对象目的地预测是基于位置的服务的重要组成部分。该领域一直存在数据稀疏、长期依赖等难以解决的问题。为了有效解决这些问题,首先引入了一种基于最小描述长度策略(Minimum Description Length,MDL)的轨迹分段方法,以获得轨迹的最佳分段,提高轨迹之间的相似度,实现对轨迹的简化。随后将分段后的数据进行图像化处理和局部特征提取,并对轨迹目的地进行聚类,从而为轨迹数据增加标签。最后提出了一种基于卷积和长短期记忆循环单元的深度学习算法CNN-LSTM,该算法先将局部图像数据和标签作为卷积神经网络(Convolutional Neural Network,CNN)模型的输入,通过空间特征的深度提取来保留有效信息,再利用长短期记忆网络(Long-Short Term Memory,LSTM)算法进行训练和目的地预测。在移动对象的真实轨迹数据集上进行了大量实验,结果表明,所提CNN-LSTM方法具有较强的学习能力,能更好地捕捉轨迹时空相关性。与现有的最新相关算法相比,该方法具有很高的目的地预测准确度。
-
关键词
移动对象
目的地预测
轨迹
CNN
LSTM
-
Keywords
Moving objects
Destination prediction
Trajectory
CNN
LSTM
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
