面向時空數據的深度模型設計與實現
發(fā)布時間：2021-07-31 12:55
近年來,隨著時空數據的廣泛應用,各種面向時空數據的分析也相繼而出,并逐漸成為具有理論與應用價值的研究熱點。時空數據的類型多種多樣,其中包括位置軌跡數據（包括交通軌跡數據,物流軌跡數據,GPS數據等等）,遙感大數據（包括衛(wèi)星遙感數據,工業(yè)控制系統(tǒng)傳感器數據等等）,以及與空間位置相關聯的媒體數據（指具有空間位置特征并且隨時間變化的數字化文本、圖像、聲音、視頻等媒體數據,比如通信數據、城市監(jiān)控視頻數據、社交網絡數據等等）。時空數據一般由多個時間序列組成,每個時間序列本身具有時間上的依賴關系,而這些序列之間又具有空間上的一定關聯。時空數據預測就是通過整合已知的多種數據信息來預測該時空數據未來的變化,其已經逐漸成為時空數據分析中的重要研究方向。在時空數據預測任務中,如何有效學習數據中的時空關聯性是一個重要挑戰(zhàn),但是大多數方法重點關注時空數據的時間特征或空間特征,如何分析時空特征的關聯并實現準確預測仍存在困難,因此本文利用圖卷積網絡GCN來有效的處理不規(guī)則的空間結構,并利用長短期神經網絡LSTM來學習時空數據中的時間依賴。此外,傳統(tǒng)時空預測模型的流程往往由多個獨立的模塊組成,但是每個模塊之間的協(xié)同...
【文章來源】：浙江工業(yè)大學浙江省
【文章頁數】：67 頁
【學位級別】：碩士
【部分圖文】：
在AUC、GMAUC以及錯誤率隨著時間t變化而變化的曲線
CONTACTHYPERTEXT09ENRON RAD20 80 20 80 20 80 20 0.378 0.445 0.529 0.581 0.413 0.415 0.49ec 0.597 0.598 0.440 0.484 0.630 0.49 0.49 0.738 0.752 0.430 0.423 0.398 0.379 0.51 0.824 0.784 0.287 0.336 0.241 0.214 0.23TM 0.030 0.066 0.065 0.077 0.117 0.131 0.03 0.487 0.537 0.687 0.420 0.443 0.409 0.53ec 0.638 0.630 0.560 0.506 0.517 0.496 0.50 0.817 0.795 0.720 0.787 0.724 0.805 0.90 0.975 0.985 0.666 0.471 0.640 0.467 0.36TM 0.279 0.415 0.193 0.205 0.271 0.344 0.16
圖 3-3 在 AUC、GMAUC 以及錯誤率隨著時間t變化而變化的曲線Figure 3-3. The curves of AUC, GMUUC, and error rate as a function of time t表 3-1 動態(tài)鏈路預測性能 AUC、GMAUC 以及誤差率Table 3-1. Dynamic Link Prediction Performance on AUC, GMUUC, and Error Rate評價指標方法CONTACTHYPERTEXT09ENRON RADOSLAW20 80 20 80 20 80 20 80AUCCN 0.854 0.846 0.670 0.727 0.725 0.810 0.834 0.841node2vec0.521 0.513 0.635 0.659 0.766 0.681 0.610 0.768LINE 0.606 0.424 0.542 0.536 0.529 0.504 0.529 0.523TNE 0.944 0.937 0.908 0.852 0.810 0.831 0.905 0.880LAT 0.988 0.974 0.951 0.970 0.892 0.876 0.986 0.983GAT 0.986 0.981 0.959 0.974 0.896 0.880 0.985 0.984GLAT 0.990 0.987 0.959 0.974 0.888 0.871 0.988 0.986
【參考文獻】：
博士論文
[1]時空數據模型及其應用研究[D]. 曹聞.解放軍信息工程大學 2011
本文編號：3313508
【文章來源】：浙江工業(yè)大學浙江省
【文章頁數】：67 頁
【學位級別】：碩士
【部分圖文】：
在AUC、GMAUC以及錯誤率隨著時間t變化而變化的曲線
CONTACTHYPERTEXT09ENRON RAD20 80 20 80 20 80 20 0.378 0.445 0.529 0.581 0.413 0.415 0.49ec 0.597 0.598 0.440 0.484 0.630 0.49 0.49 0.738 0.752 0.430 0.423 0.398 0.379 0.51 0.824 0.784 0.287 0.336 0.241 0.214 0.23TM 0.030 0.066 0.065 0.077 0.117 0.131 0.03 0.487 0.537 0.687 0.420 0.443 0.409 0.53ec 0.638 0.630 0.560 0.506 0.517 0.496 0.50 0.817 0.795 0.720 0.787 0.724 0.805 0.90 0.975 0.985 0.666 0.471 0.640 0.467 0.36TM 0.279 0.415 0.193 0.205 0.271 0.344 0.16
圖 3-3 在 AUC、GMAUC 以及錯誤率隨著時間t變化而變化的曲線Figure 3-3. The curves of AUC, GMUUC, and error rate as a function of time t表 3-1 動態(tài)鏈路預測性能 AUC、GMAUC 以及誤差率Table 3-1. Dynamic Link Prediction Performance on AUC, GMUUC, and Error Rate評價指標方法CONTACTHYPERTEXT09ENRON RADOSLAW20 80 20 80 20 80 20 80AUCCN 0.854 0.846 0.670 0.727 0.725 0.810 0.834 0.841node2vec0.521 0.513 0.635 0.659 0.766 0.681 0.610 0.768LINE 0.606 0.424 0.542 0.536 0.529 0.504 0.529 0.523TNE 0.944 0.937 0.908 0.852 0.810 0.831 0.905 0.880LAT 0.988 0.974 0.951 0.970 0.892 0.876 0.986 0.983GAT 0.986 0.981 0.959 0.974 0.896 0.880 0.985 0.984GLAT 0.990 0.987 0.959 0.974 0.888 0.871 0.988 0.986
【參考文獻】：
博士論文
[1]時空數據模型及其應用研究[D]. 曹聞.解放軍信息工程大學 2011
本文編號：3313508
本文鏈接：http://www.sikaile.net/kejilunwen/ruanjiangongchenglunwen/3313508.html
