谢彬
- 作品数：4 被引量：19H指数：2
- 供职机构：南京理工大学计算机科学与技术学院更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于轨迹相似度的移动目标轨迹预测算法被引量：14
- 2018年
- 传统的轨迹预测算法训练模型时需要耗费大量时间,且时空复杂度高、执行效率低,不能满足实时预测的需求。为此,提出一种改进的移动目标轨迹预测算法。基于欧氏距离进行轨迹相似度计算以提高预测准确性和实效性,根据最小描述长度原理对预测后的轨迹进行简化,优化运算效率。实验结果表明,该算法能准确预测移动目标的轨迹,并且具有较低的算法复杂度,适用于海量数据背景下的移动目标轨迹预测。
- 谢彬谢彬张琨蔡颖蒋彤彤
- 关键词：轨迹预测最小描述长度遗传算法
- 移动目标关联共现规则挖掘算法研究被引量：3
- 2018年
- 现行的移动目标行为规律侧重于空间或时间单一维度,且多集中于单移动目标的自身行为。为发现移动目标的关联共现规律,在传统轨迹序贯模式挖掘的基础上,基于常用的时间戳和地点的关联模型,加入任务属性信息,以移动目标在空间上的共同出现模式为基准分析时间上的频繁度,提出一种将序列模式和关联规则应用到移动目标活动数据中的模式挖掘算法。实验结果证明,该算法能有效挖掘移动目标的活动地点关联性及协同共现规律,并且具有较低的算法复杂度,可以为建立移动目标的反应机制提供辅助决策。
- 谢彬谢彬张琨蒋彤彤麻孟越
- 关键词：数据挖掘关联规则
- 一种基于RLDA主题模型的特征提取方法被引量：2
- 2017年
- 为了准确挖掘微博用户的兴趣,论文获取并分析用户原创、转发和点赞过的微博内容以及微博热度的排行等数据,准确地得到描述微博用户兴趣的信息,然后基于LDA模型,提出了一种新的主题特征提取模型——RLDA模型。该模型在原有的LDA模型中加入了微博背景中特有的微博热度排行这一信息,从而改进LDA模型的来提高模型挖掘微博用户兴趣的准确率。在RLDA主题模型建模的过程中,引入"超超参数"的概念,通过Dirichlet分布对超参数取值进行采样。实验表明,与LDA模型相比,RLDA模型在微博用户兴趣挖掘的准确度上有了很大的提升。
- 冯新淇张琨任奕豪谢彬赵静
- 关键词：特征提取
- 基于排序学习的混合推荐算法
- 2015年
- 为了解决推荐系统如何适应不同的应用场景,以及推荐结果的排序问题,提出以Boosting合并算法为基础模型,以Lambda MART算法为主的更新算法,将排序学习技术运用于混合推荐。基于用户反馈信息的实时更新排序模型,通过学习不同场景中的不同数据,使推荐系统能够适用于不同的应用场景。同时,基于排序评价指标NDCG对混合推荐模型进行了验证。
- 谢彬唐健常唐新怀
