資源描述：
《基于模糊-粗糙集的移動(dòng)對(duì)象k近鄰預(yù)測(cè)》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、維普資訊http://www.cqvip.com計(jì)算機(jī)科學(xué)2008Vo1．35N0．2基于模糊一粗糙集的移動(dòng)對(duì)象k近鄰預(yù)測(cè))袁妍洪曉光(山東大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院濟(jì)南250101)摘要已往移動(dòng)對(duì)象k近鄰預(yù)測(cè)的研究中，有各種不確定性的分析以及對(duì)象本身預(yù)測(cè)位置不確定性的處理，而預(yù)測(cè)位置模糊不確定性導(dǎo)致其k近鄰查詢(xún)邊界的粗糙不確定性的相關(guān)處理仍是空白。本文應(yīng)用模糊一粗糙集的理論，先分析了已有方法得出的預(yù)測(cè)位置的模糊性，再用傳統(tǒng)方法求得基于預(yù)測(cè)位置的擴(kuò)展忌+m近鄰集，最后借助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)。實(shí)驗(yàn)數(shù)據(jù)表明，本方法明顯提高了k近鄰
2、集合相對(duì)移動(dòng)對(duì)象實(shí)際位置的精確度。關(guān)鍵詞移動(dòng)對(duì)象，k近鄰查詢(xún)，模糊集，粗糙集Fuzzy-RoughSetsforPredictionofMovingObjects’K-NearestNeighborYUANYanHONGXiao-Guang(SchoolofComputerScienceandTechnology，ShandongUniversity。Jinan250101)AbstractTherearemanyanalysesonthediversifieduncertaintyandmanydisposalsontheuncertaintyofobje
3、cts’pre-dietedpositioninthepreviousstudyofthepredictionofmovingobjects’k-nearestneighbor．Buttherehavenotbeenanymeasuretodealwiththerough-uncertaintyofmovingobjects’k-nearestneighborset，whichiscausedbythefuzzuncertaintyofmovingobjects’predictedposition．Inthispaper，thetheoryoffuzz~ro
4、ughsetsisemployedtoanalyzethefuzzypositionofthemovingobjectsanditsextendedk+優(yōu)nearestneighborset,Also。thefuzz~roughmember—shipfunctionisemp~dtoobtainthefinalk-nearestneighborset,Acomparisonbetweentheprocessedresultandtheinitialresultismadebyexperiments．Comparedtotheactualpositionoft
5、hemovingobjects，theanalysisbasedonthetheoryoffuzz~roughsetscanpromotetheprecisionofitsk-nearestneighborsetdistinctly．KeywordsMovingobiect，K-nearestneighborquery，F(xiàn)uzzysets，RoughsetsKNN得到的k近鄰的精確度。已往研究沒(méi)有涉及到這種現(xiàn)1前言象的處理，本文借用模糊一粗糙集理論分析傳統(tǒng)方法得到的結(jié)隨著移動(dòng)計(jì)算，無(wú)線(xiàn)通信及定位技術(shù)的發(fā)展，如何有效地果，即通過(guò)移動(dòng)對(duì)象預(yù)測(cè)位置的模糊隸屬度，計(jì)
6、算其擴(kuò)展忌+對(duì)移動(dòng)對(duì)象進(jìn)行查詢(xún)、管理以及提供準(zhǔn)確的基于位置近鄰服m近鄰的模柵粗糙隸屬函數(shù)，從而得出更精確的k近鄰集務(wù)等需求使得時(shí)空數(shù)據(jù)庫(kù)研究面臨著新的挑戰(zhàn)[1]。目前有很合。多移動(dòng)對(duì)象索引技術(shù)的研究，其中有關(guān)未來(lái)趨勢(shì)及其最近鄰第2節(jié)和第3節(jié)將分別討論移動(dòng)對(duì)象及其k近鄰查詢(xún)的居預(yù)測(cè)技術(shù)由于更適合在智能交通調(diào)度、基于位置服務(wù)等領(lǐng)相關(guān)研究和模糊集、粗糙集的相關(guān)知識(shí)，第4節(jié)討論了基于模域的應(yīng)用而得到了廣泛的關(guān)注l2]，例如，“已知某車(chē)現(xiàn)在的位糊一粗糙集理論的移動(dòng)對(duì)象k近鄰預(yù)測(cè)的具體方法和步驟，第置、時(shí)速和運(yùn)動(dòng)方向，查詢(xún)未來(lái)一小時(shí)后離它最近的幾個(gè)加油5節(jié)通過(guò)實(shí)驗(yàn)數(shù)據(jù)得
7、出相應(yīng)參數(shù)的合適取值，以及最終近鄰站或者食宿供給處”。集的結(jié)果更精確的結(jié)論，最后總結(jié)了新方法提高精確度的同移動(dòng)對(duì)象上安裝定位設(shè)備便能有效記錄移動(dòng)對(duì)象的運(yùn)動(dòng)時(shí)存在的影響精確度的有待進(jìn)一步研究的部分。狀態(tài)，如當(dāng)前所處的位置、運(yùn)動(dòng)速度和方向等，根據(jù)這些當(dāng)前2相關(guān)研究的運(yùn)動(dòng)特性便可以對(duì)未來(lái)進(jìn)行預(yù)測(cè)。由于自身及外界諸多因素，對(duì)象的運(yùn)動(dòng)狀態(tài)會(huì)不斷地發(fā)生變化，預(yù)測(cè)過(guò)程中就會(huì)有很在移動(dòng)計(jì)算、位置服務(wù)等新興應(yīng)用中，需要對(duì)移動(dòng)對(duì)象未多不確定性出現(xiàn)。移動(dòng)對(duì)象及其k近鄰預(yù)測(cè)中不確定性的處來(lái)位置預(yù)測(cè)提供相關(guān)服務(wù)，這些相關(guān)的查詢(xún)索引方法是目前理分時(shí)間上和空間上兩種L3]，如：“預(yù)計(jì)什么
8、時(shí)候到達(dá)某地研究的熱點(diǎn)。方”、“預(yù)計(jì)某時(shí)刻到達(dá)什么地
