买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：杭州师范大学

摘要：本发明公开了一种基于指数平滑的位置预测系统及方法。利用指数平滑方法，结合历史签到数据，更加真实的体现历史签到数据对位置预测的影响；使用用户历史签到数据，结合EM算法、指数平滑和高斯模型，实现对用户下一个时间出现的位置进行预测。本发明利用指数平滑方法，有差别的使用历史数据，可以更加真实的反应出历史数据对位置预测的影响，进而提高位置预测模型的预测精度。

主权项：1.一种基于指数平滑的位置预测系统，其特征在于，包括数据处理模块和位置预测模块；所述的数据处理模块用于获取用户的签到数据，基于当前需要预测的时刻，提取前n天的签到数据作为历史数据；所述的位置预测模块包括参数拟合模块、模型计算模块和预测模块；所述的参数拟合模块对数据处理模块获取的历史签到数据集以天为单位使用EM算法进行签到状态分类，计算相关一维时序高斯模型参数，使用指数平滑进行计算，获得一维时序高斯模型最终参数，最后进行二维空间高斯模型参数计算；所述参数拟合模块具体实现如下：将签到点状态分为Home状态和Work状态，同时采用两个基于时序的一维高斯分模型和两个基于空间的二维高斯模型进行位置预测；引入指数平滑方法，根据时间差合理的分配权重，真实的反应历史数据的影响力和时间差的关系；将指数平滑公式进行推导，应用到模型参数的计算当中；2-1、通过EM算法拟合时序高斯模型参数：构建一维时序高斯分模型： 其中pcH是指历史数据集中某天Home状态的占比，τH是Home状态的平均时间，σH是Home状态的方差；pcW是指历史数据集中某天Work状态的占比，τW是Work状态的平均时间，σW是Work状态的方差；a：将历史数据集中每天的每一条签到数据随机标签状态，根据状态不同，计算出一维时序高斯模型初始参数；b：E步，根据当前模型参数，计算每个一维时序高斯分模型对每一条签到数据的响应度； 其中NHt和NWt是表示该时刻在一维时序高斯分模型的响应度根据响应度的不同，对每一条签到数据重新分配标签；c：M步，根据重新分配标签的情况，计算出一维时序高斯分模型相关参数；d：重复第b步和第c步，直至收敛；得到模型参数θ；根据历史数据集，以天为单位通过EM算法拟合时序高斯模型参数，获得模型参数θ0-θn-1，其中θi表示时间差为i，0≤i＜n天的签到数据拟合出来的模型参数；2-2、通过指数平滑计算一维时序高斯模型的最终参数：1基本公式：St+1＝α*yt+1-α*St其中St+1是时间t+1的平滑值，yt是时间t的实际值，St是时间t的平滑值，α是平滑指数，取值范围0，1；2指数平滑在一维时序高斯模型中的应用：指数平滑公式经过推导，一维时序高斯模型最终参数为：θ＝αθ0+α1-αθ1+α1-α2θ2+...+α1-αn-1θn-12-3、空间高斯模型参数计算：构建基于空间的二维高斯模型： 其中μH是Home状态下的经纬度的均值，ΣH是Home状态下的经纬度的协方差；μW是Work状态下的经纬度的均值，ΣW是Work状态下的经纬度的协方差；根据历史数据集中的数据分类情况，计算出用户在Home状态下的均值μH和协方差矩阵ΣH，在Work状态下的均值μW和协方差矩阵ΣW；所述的模型计算模块根据预测的时间，通过一维时序高斯模型利用参数拟合模块拟合出来的一维时序高斯参数计算响应度，根据二维空间高斯模型，计算出位置集中每一个位置出现的概率，获取给定位置集中在空间模型中的得分；所述的预测模块根据得到的给定位置集中在空间模型中的得分获取最佳预测位置。

全文数据：

权利要求：

百度查询： 杭州师范大学 一种基于指数平滑的位置预测系统及方法