导读:本文包含了历史移动对象轨迹论文开题报告文献综述及选题提纲参考文献，主要关键词:轨迹预测,BP神经网络模型,SVM,subsyn算法
历史移动对象轨迹论文文献综述
杨航[1]（2016）在《基于历史信息的移动对象轨迹预测研究》一文中研究指出随着信息技术的快速发展,数据信息的爆发式增长成为了各行各业所共同面临的挑战与机遇,因而信息社会已经步入大数据时代。大数据时代的出现不仅改变了人们的生产生活方式,而且也从根本改变着科学研究的方式方法。移动对象轨迹中包含了大量位置和行为的信息,其背后隐藏着丰富的移动对象运动特点与规律。通过对这些信息深入的挖掘与利用,不仅可以了解移动对象共性行为,还可以掌握其个性特点。移动轨迹分析因此受到国内外学者的广泛关注。移动对象轨迹预测作为移动轨迹分析的重要分支,不但在各个学科领域有其重要的研究价值,而且在实际生活中有着广阔的应用前景。本文针对移动对象轨迹预测相关算法及其应用进行了研究,主要工作包含以下叁个方面：1.对目前移动对象轨迹预测中常用的技术：BP (Back Propagation误差反向传播)神经网络、SVM(Support Vector Mechine支持向量机)分类和马尔科夫链模型的工作原理和已有应用进行研究。2.将移动对象轨迹预测技术应用于井下安全防护体系。由于井下环境恶劣,锚节点有时会失效,导致部分数据异常或丢失,使井下移动对象数据传输可靠性降低。在此基础上本文将K近邻与BP神经网络的预测模型应用于井下,首先使用K近邻算法对异常或丢失的数据进行预处理,然后将预处理后的数据输入到预测模型中得到最后的预测结果。实验证明,该预测模型下的准确度得到提高。3.提出一种改进的Subsyn算法用于出租车目的地的预测。为了提高LBS (Location Based Service基于位置服务)的质量需要尽可能准确地对移动对象轨迹目的地进行预测。现有轨迹目的地预测方法主要通过将历史数据输入至预测模型中,得到预测结果。这种方法将时间作为附属维度进行处理,不能全面地将预测目标的主要特征值体现出来。本文在训练SVM的过程中加入了轨迹ID、出租车ID、出租车的初始地点标识、时间戳、节假日情况这几个数据特征值,然而在传统一阶马尔科夫链模型中加入这些数据特征值,会造成时间复杂度和空间复杂度的增大。因此提出一种基于改进Subsyn算法的轨迹目的地预测方法,首先将移动对象轨迹数据输入到SVM模型中训练得到后验概率,然后结合贝叶斯概率,最后通过加权的方式得到概率最大的预测值,完成对移动对象目的地的预测。综上所述,本文创新点如下：1.将改进的BP神经网络算法应用于井下目标轨迹预测。通过K近邻算法对丢失数据进行预处理,然后将预处理后的数据放入新的数据集中,最后通过BP神经网络进行预测。2.提出一种改进的Subsyn算法,对出租车轨迹目的地进行预测。在Subsyn算法的基础上,通过SVM对数据集进行分类计算后验概率,然后经过加权概率,计算出概率最大的预测值。(本文来源于《广西师范大学》期刊2016-04-01）
孙冬璞,郝忠孝[2]（2009）在《移动对象历史轨迹的连续最近邻查询算法》一文中研究指出提出一种直接在原始时空坐标系下对一维移动对象的历史轨迹进行连续最近邻查询的算法,给出相关的定义与定理,通过分析轨迹之间的交点及轨迹线段单调性等特征,利用以前所求得的最近邻结果信息进行连续最近邻的查询判断。实验结果与分析表明,该算法具有较好的性能。(本文来源于《计算机工程》期刊2009年01期）
高云君,李春,陈根才,姜贤塔,陈岭[3]（2006）在《一种有效的历史移动对象轨迹的k最近邻居查询算法》一文中研究指出近10多年来,研究者们已经在k最近邻居(kNN)查询方面做了很多工作,但是对于移动对象轨迹的kNN查询处理却研究得很少.鉴于此,研究了在存储有历史移动对象轨迹信息的TB树结构上的kNN查询问题,并且提出了一种有效的基于最佳优先搜索范例的kNN(k≥1)查询算法,称为BFPkNN.BFPkNN是一种I/O最佳的算法,即它仅仅访问有可能包含最终结果的结点.同时,为了减少存储空间和CPU代价,又提出了若干有效的剪枝策略.大量的实验证明BFPkNN在效率和可扩展性上均大大胜过其他同类算法.(本文来源于《第二十叁届中国数据库学术会议论文集（研究报告篇）》期刊2006-11-10）
历史移动对象轨迹论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
提出一种直接在原始时空坐标系下对一维移动对象的历史轨迹进行连续最近邻查询的算法,给出相关的定义与定理,通过分析轨迹之间的交点及轨迹线段单调性等特征,利用以前所求得的最近邻结果信息进行连续最近邻的查询判断。实验结果与分析表明,该算法具有较好的性能。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
历史移动对象轨迹论文参考文献
[1].杨航.基于历史信息的移动对象轨迹预测研究[D].广西师范大学.2016
[2].孙冬璞,郝忠孝.移动对象历史轨迹的连续最近邻查询算法[J].计算机工程.2009
[3].高云君,李春,陈根才,姜贤塔,陈岭.一种有效的历史移动对象轨迹的k最近邻居查询算法[C].第二十叁届中国数据库学术会议论文集（研究报告篇）.2006