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(shù)由于更適合在交通調(diào)度、基于位置服務、天氣預報、智能導航等領(lǐng)域的應用，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用前景，而得到了廣泛的關(guān)注。通過在移動對象上安裝定位設(shè)備，便能夠有效記錄存儲移動對象的運動狀態(tài)，然后根據(jù)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(xiàn)。現(xiàn)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(xiàn)近鄰預測查詢的關(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)是否必須進行周期性的重建等方面具有其它幾種索引結(jié)構(gòu)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(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(tǒng)方法得到的結(jié)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(xiàn)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(tǒng)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(tǒng)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(guān)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(shù)來最終確定所求k近鄰集合中的各個點。 本文通過時空數(shù)據(jù)產(chǎn)生器產(chǎn)生相應的動態(tài)數(shù)據(jù)源，對移動點用TPR樹建立索引結(jié)構(gòu)，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(shù)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(shù)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