基于模糊-粗糙集的移動對象K近鄰預測.pdf

1、移動對象未來趨勢及其近鄰預測查詢技術由于更適合在交通調度、基于位置服務、天氣預報、智能導航等領域的應用，并且在智能交通系統、地理信息系統、軍事中有著廣泛的應用前景，而得到了廣泛的關注。通過在移動對象上安裝定位設備，便能夠有效記錄存儲移動對象的運動狀態(tài)，然后根據移動對象當前的運動特性對其未來進行各方面的預測。由于自身及外界的諸多因素，對象的運動狀態(tài)會不斷地發(fā)生變化，從而預測過程中就會有很多不確定性出現。現在有許多研究致力于移動對象及其k近

2、鄰預測中不確定性的處理，具體的包括時間不確定性和空間不確定性。本文主要研究的是基于移動對象未來趨勢的空間不確定性。實現近鄰預測查詢的關鍵技術由空間數據索引技術和基于索引結構的最近鄰查詢算法兩部分組成。相比較而言，TPR樹在索引的空間、索引方法分割數據還是分割空間以及索引結構是否必須進行周期性的重建等方面具有其它幾種索引結構無法企及的優(yōu)勢，TP查詢不僅可以找到查詢點當前的近鄰，同時還包括了結果的有效期以及在有效期后將發(fā)生的變化。

3、本文的移動對象近鄰預測不確定性分析研究將基于TPR樹和TP近鄰查詢算法。借用模糊-粗糙集理論將傳統方法得到的結果進行分析比對，即：1. 首先，針對移動對象預測位置的不確定性具體表現為它的真實位置在預測位置周邊區(qū)域的模糊隸屬度，分析了已有方法得出的預測位置的模糊性；2. 再用傳統方法求得基于預測位置的擴展k+m近鄰集；3.針對預測位置的模糊不確定性必然會累及傳統近鄰查詢得到的k近鄰的精確度，同時會引起k近鄰集合基于“k近鄰”不分明關系的粗

4、糙不確定性，所以借助近鄰點的模糊一粗糙隸屬函數來最終確定所求k近鄰集合中的各個點。 本文通過時空數據產生器產生相應的動態(tài)數據源，對移動點用TPR樹建立索引結構，用引入影響時間的TP近鄰預測查詢算法，再對基于模糊-粗糙集的移動對象最近鄰預測算法進行精確度分析。盡管計算量有些增大，但數值分析可以表明我們的方法明顯提高了移動對象k近鄰預測的精確度。另外，由于研究中的模糊一粗糙隸屬函數中用到了W中各點到模糊空間R中2n個P的可能位置取樣