论文部分内容阅读
移动对象目的地预测是基于位置的服务的重要组成部分。该领域一直存在数据稀疏、长期依赖等难以解决的问题。为了有效解决这些问题,首先引入了一种基于最小描述长度策略(Minimum Description Length, MDL)的轨迹分段方法,以获得轨迹的最佳分段,提高轨迹之间的相似度,实现对轨迹的简化。随后将分段后的数据进行图像化处理和局部特征提取,并对轨迹目的地进行聚类,从而为轨迹数据增加标签。最后提出了一种基于卷积和长短期记忆循环单元的深度学习算法CNN-LSTM,该算法先将局部图像数据和标签作为卷