基于模糊-粗糙集的移動(dòng)對(duì)象K近鄰預(yù)測(cè).pdf

1、移動(dòng)對(duì)象未來(lái)趨勢(shì)及其近鄰預(yù)測(cè)查詢技術(shù)由于更適合在交通調(diào)度、基于位置服務(wù)、天氣預(yù)報(bào)、智能導(dǎo)航等領(lǐng)域的應(yīng)用，并且在智能交通系統(tǒng)、地理信息系統(tǒng)、軍事中有著廣泛的應(yīng)用前景，而得到了廣泛的關(guān)注。通過(guò)在移動(dòng)對(duì)象上安裝定位設(shè)備，便能夠有效記錄存儲(chǔ)移動(dòng)對(duì)象的運(yùn)動(dòng)狀態(tài)，然后根據(jù)移動(dòng)對(duì)象當(dāng)前的運(yùn)動(dòng)特性對(duì)其未來(lái)進(jìn)行各方面的預(yù)測(cè)。由于自身及外界的諸多因素，對(duì)象的運(yùn)動(dòng)狀態(tài)會(huì)不斷地發(fā)生變化，從而預(yù)測(cè)過(guò)程中就會(huì)有很多不確定性出現(xiàn)?，F(xiàn)在有許多研究致力于移動(dòng)對(duì)象及其k近

2、鄰預(yù)測(cè)中不確定性的處理，具體的包括時(shí)間不確定性和空間不確定性。本文主要研究的是基于移動(dòng)對(duì)象未來(lái)趨勢(shì)的空間不確定性。實(shí)現(xiàn)近鄰預(yù)測(cè)查詢的關(guān)鍵技術(shù)由空間數(shù)據(jù)索引技術(shù)和基于索引結(jié)構(gòu)的最近鄰查詢算法兩部分組成。相比較而言，TPR樹(shù)在索引的空間、索引方法分割數(shù)據(jù)還是分割空間以及索引結(jié)構(gòu)是否必須進(jìn)行周期性的重建等方面具有其它幾種索引結(jié)構(gòu)無(wú)法企及的優(yōu)勢(shì)，TP查詢不僅可以找到查詢點(diǎn)當(dāng)前的近鄰，同時(shí)還包括了結(jié)果的有效期以及在有效期后將發(fā)生的變化。

3、本文的移動(dòng)對(duì)象近鄰預(yù)測(cè)不確定性分析研究將基于TPR樹(shù)和TP近鄰查詢算法。借用模糊-粗糙集理論將傳統(tǒng)方法得到的結(jié)果進(jìn)行分析比對(duì)，即：1. 首先，針對(duì)移動(dòng)對(duì)象預(yù)測(cè)位置的不確定性具體表現(xiàn)為它的真實(shí)位置在預(yù)測(cè)位置周邊區(qū)域的模糊隸屬度，分析了已有方法得出的預(yù)測(cè)位置的模糊性；2. 再用傳統(tǒng)方法求得基于預(yù)測(cè)位置的擴(kuò)展k+m近鄰集；3.針對(duì)預(yù)測(cè)位置的模糊不確定性必然會(huì)累及傳統(tǒng)近鄰查詢得到的k近鄰的精確度，同時(shí)會(huì)引起k近鄰集合基于“k近鄰”不分明關(guān)系的粗

4、糙不確定性，所以借助近鄰點(diǎn)的模糊一粗糙隸屬函數(shù)來(lái)最終確定所求k近鄰集合中的各個(gè)點(diǎn)。 本文通過(guò)時(shí)空數(shù)據(jù)產(chǎn)生器產(chǎn)生相應(yīng)的動(dòng)態(tài)數(shù)據(jù)源，對(duì)移動(dòng)點(diǎn)用TPR樹(shù)建立索引結(jié)構(gòu)，用引入影響時(shí)間的TP近鄰預(yù)測(cè)查詢算法，再對(duì)基于模糊-粗糙集的移動(dòng)對(duì)象最近鄰預(yù)測(cè)算法進(jìn)行精確度分析。盡管計(jì)算量有些增大，但數(shù)值分析可以表明我們的方法明顯提高了移動(dòng)對(duì)象k近鄰預(yù)測(cè)的精確度。另外，由于研究中的模糊一粗糙隸屬函數(shù)中用到了W中各點(diǎn)到模糊空間R中2n個(gè)P的可能位置取樣