基于Geotagged Photo數(shù)據(jù)集的行為識(shí)別研究與應(yīng)用.pdf

1、隨著移動(dòng)終端設(shè)備的普及與發(fā)展，因特網(wǎng)上涌現(xiàn)了大量Instagram、Flickr等多媒體共享服務(wù)，這類共享服務(wù)提供的數(shù)據(jù)以電子圖片為主體，同時(shí)具有文本標(biāo)簽、時(shí)間戳以及地理位置的信息，統(tǒng)稱為Geotagged Photo數(shù)據(jù)集。但是由于這些照片十分碎片化，用戶并不會(huì)對(duì)其進(jìn)行整理和分類，導(dǎo)致在瀏覽和查找時(shí)會(huì)浪費(fèi)很多時(shí)間。因此，如何對(duì)大量的照片進(jìn)行分類和管理是一個(gè)急需解決的問題，同時(shí)根據(jù)分類結(jié)果推斷出用戶的行為規(guī)律，這是目前社會(huì)計(jì)算領(lǐng)域研究的

2、熱點(diǎn)。
　　針對(duì)上述問題，本文基于重要位置和行為之間的關(guān)系，對(duì)個(gè)人采集的非連續(xù)的Geotagged Photo數(shù)據(jù)集進(jìn)行了研究。本文所使用的數(shù)據(jù)是通過實(shí)驗(yàn)室開發(fā)的移動(dòng)終端App采集的個(gè)人為期10個(gè)月的非連續(xù)性Geotagged Photo數(shù)據(jù)集，基于其提供的地理位置、時(shí)間戳和文本描述信息，并結(jié)合數(shù)據(jù)集在地理位置上分布不均勻特點(diǎn)，本文提出一種自頂向下逐層求精的行為識(shí)別方法。首先，根據(jù)圖片的地理坐標(biāo)對(duì)應(yīng)實(shí)際地址，將訪問覆蓋區(qū)域按地域級(jí)

3、別劃分為幾個(gè)地區(qū)，濾除數(shù)據(jù)較少的地區(qū);從劃分完的地區(qū)中選取密度分布較密集的地區(qū)，將其網(wǎng)格化后形成密度較集中的區(qū)域，定義為重要活動(dòng)區(qū)域;根據(jù)重要活動(dòng)區(qū)域中圖片的位置分布密度，使用基于距離及密度的聚類算法對(duì)位置進(jìn)行聚類，每個(gè)聚類簇定義為一個(gè)重要位置。從聚類結(jié)果的各個(gè)簇中提取圖片描述信息，根據(jù)詞頻提取關(guān)鍵詞，用該關(guān)鍵詞標(biāo)注聚類簇的位置名稱，并且將非簇內(nèi)位置的語義標(biāo)注詞與各簇關(guān)鍵詞作相似度比對(duì)，若相似度高，則該位置追加為重要位置，相似度低則定義

4、為非重要位置;最后，對(duì)各個(gè)重要位置簇內(nèi)的圖片提取特征，使用基于距離的聚類算法對(duì)圖片進(jìn)行聚類，對(duì)每個(gè)聚類簇內(nèi)的數(shù)據(jù)利用詞頻提取關(guān)鍵詞標(biāo)注該簇的行為。并根據(jù)多層識(shí)別的結(jié)果為數(shù)據(jù)分配標(biāo)簽構(gòu)建索引，實(shí)現(xiàn)對(duì)數(shù)據(jù)的整理及重要位置和行為的識(shí)別。
　　本文最終取得沈陽市、四平市、北京市、營口市共1239條。在實(shí)驗(yàn)過程中，本文對(duì)每個(gè)階段都考慮參數(shù)的優(yōu)化組合，并使用多種聚類評(píng)價(jià)指標(biāo)評(píng)估重要位置的聚類結(jié)果;結(jié)合用戶標(biāo)注的重要位置對(duì)系統(tǒng)識(shí)別的重要位置進(jìn)行