声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2223/N
国际刊号：1000-0054
发布日期:
作者：骆歆远, 陈欣, 寿黎但, 陈珂, 吴妍静
单位：1. 浙江大学 计算机科学与技术学院, 杭州 310027;<br>2. 浙江大学 CAD&CG国家重点实验室, 杭州 310027;<br>3. 浙江省大数据智能计算重点实验室, 杭州 310027;<br>4. 浙江中医药大学附属第三医院, 杭州 310009
关键词：室内定位,室内空间模型,语义轨迹,密度聚类
基金：国家基础研究计划项目（2015CB352400）；国家自然科学基金资助项目（61672455，61472348）；浙江省自然科学基金资助项目（LY18F020005）
利用海量位置数据分析用户行为，挖掘用户的潜在价值越来越受到人们的关注。室外环境中已有较成熟的解决方案。针对室内空间中WiFi定位数据的精确度、鲁棒性不足等问题，对面向室内空间的语义轨迹提取方法进行了研究，能在减少错误、压缩原始位置数据的同时，增强轨迹的表达能力，使得更深入的室内时空数据挖掘成为可能。该文基于室内空间建模、数据清洗、事件提取和语义增强4个模块的框架提出了室内语义轨迹计算的方法，在真实数据集和模拟数据集上进行实验，结果表明：该方法能从存在误差和缺失的室内定位数据中，准确有效地挖掘和提取出含有语义信息的轨迹数据，为上层的应用分析所用。
来源：2019年第3期
《清华大学学报(自然科学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。