该文探讨ubicomp'13会议上的一篇论文，研究18个预测算法在位置转移预测上的性能。作者发现基于位置特征的算法预测精度高但不擅长检测转移，而时间特征的算法则相反。通过多数票决组合算法，提出参数优化方案以提高位置转移检测，并设定阈值策略。尽管能有效捕捉用户活动，但频繁运行对设备造成负担。论文属于马尔科夫模型应用，但在用户轨迹稀疏时可能面临‘冷启动’问题。
关于位置预测，在每年的顶级会议上都有很多文章出炉。下面就简单说说ubicomp'13年录用的一篇论文：The Influence of Temporal and Spatial Features on the Performance of Next-place Prediction Algorithms。
1.1 Motivation
基于用户移动行为的规律性，现有的位置预测方法都能够获得一个很高的预测精度。然而，目前的方法未能够有效地检测出用户在两个不同位置间的转移。精确地预测出用户在不同位置间的转移行为是非常重要的，比如在智能家居服务中，需要有
最低0.47元/天 解锁文章
扫一扫
3496
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
