基于时空序列搜索的最优个性化旅游规划

随着人们对高效、个性化服务的日益关注,其对旅游规划的要求也越来越高。然而,目前制定一个完美的、个性化的旅游规划很困难。一个合理的旅游规划应该包含以下特征:1)基于游客兴趣爱好的个性化推荐;2)覆盖尽可能多的兴趣景点;3)走最少的路程,花费最少的时间。由于每次旅游包含多个景点,因此该问题变成了每个景点都附有权值的时空序列优化问题。为了实现最优个性化旅游规划,首先,针对每个城市为每位游客提供一系列带有权值的景点;然后,综合考虑距离、权值、旅游时间和景点特色等因素,为游客推荐一个最优旅游序列。为此,提出了4种有效算法,使游客在旅游时间范围限制内走最少的路程来游览最想游览的景点。在社交网络的真实数据集上,通过实验验证了所提算法的有效性。     

公交网络中的乘客需求预测系统和方法

公共交通工具,尤其是公交车服务,可以减少私家车的使用和燃油消耗,缓解交通拥堵和环境污染状况。当乘坐公交车时,乘客不仅关心等车时间,更在乎公交车的拥挤程度,过度拥挤的公交车会导致乘客放弃乘坐。可见,准确、实时、可靠的乘客需求预测可以帮助公交公司决定合理的公交发车时间间隔,并且可以减少乘客的等车时间,这是人们急切需要的。基于实际公交系统的大量数据,提出一个面向移动用户的乘客需求预测系统。该系统包括服务器端的信息数据流处理和挖掘程序,以及客户端的移动应用程序。然而,公交网络中的乘客需求预测存在三大挑战:不均匀性、突发性和周期性。为了解决这些问题,提出了3种预测模型和1种基于滑动窗口的框架来预测乘客的数目。开发了一个原型系统,该系统可运行在多个版本的Android移动手机上,22个月的连续实验证明,该系统能够对公交网络中的864110项乘客需求进行精确预测,其准确度超过78%。     

普适计算中复合事件检测的研究与挑战

普适计算环境中,传感器设备的大规模使用产生了数量巨大、错综复杂的原子事件,而现实中的许多应用却更注重复合事件的检测,例如:健康护理、监督设施管理、环境/安全监控等,因此如何从这些底层的原子事件中抽取人们感兴趣的、有用的复合事件就变得越来越重要。目前,针对复合事件检测有大量的研究,其内容各有侧重。有的重视时间因素,特别强调时间段的重要性;有的研究分布式数据源中的复合事件检测;近期有人提出了不确定性数据上的复合事件检测。由于复合事件检测日益重要,对复合事件检测研究中存在的挑战性问题进行了分析,从事件类型、时间因素和数据的精确程度3个方面归纳总结了复合事件检测现有的研究成果,并指出了未来的发展方向。     

物联网中具有时间持续性特征的乱序事件查询处理技术研究

现实世界中的很多事件都是基于时间段的,具有明显的时间持续性特征。具有这种特征的事件之间的时态关系复杂多变,在发生乱序事件时,查询处理极具挑战性。物联网环境中对于时序事件的有序到达具有非常严苛的要求,但网络延迟和机器故障却导致事件乱序问题频发。基于建立的时态事件语义表示模型,提出了一种用于处理具有时间持续性特征的乱序事件的查询处理模式,并构建了一种混合解决方案,使物联网环境中乱序事件在到达后的一定时间阈值内达到正确有序。最后,通过实验验证了所提方法的有效性。     

一种优化的语义条件模糊聚类

在条件模糊聚类的基础上,提出利用公理化模糊集的成员隶属度函数量化用户语义、确定外部条件的方法.引入调节因子新概念,以调节基于语义的成员隶属度和基于欧拉距离的模糊隶属度对聚类结果的影响,并最终建立了语义条件聚类和经典模糊聚类的统一框架.给出了语义聚类的评价指标——语义强度期望,以找到距离目标语义最近的聚类.为使条件模糊聚类的聚类准确性更高,对原始数据进行了谱变换,尔后进行语义条件聚类.利用Iris数据集,对标准模糊聚类、语义条件聚类和语义条件聚类的谱优化3个算法进行了多指标综合实验比较.实验结果表明,语义条件聚类能够发现最贴近用户给出的语义的聚类.     

Flickr中的复合事件检测

Web资源上的复合事件检测已成为人们关注和研究的热点.Flickr作为一个照片共享的Web资源,其中的复合事件检测包括景点特色检测、用户兴趣检测等,从而主动地为用户提供个性化和智能化的服务.提出了一种新颖的、基于主题模型的方法来检测景点的旅游特色,以及同一景点在不同时节旅游特色的差异,并将其表示成一系列标签的概率组合.这种方法可以在没有用户标注的情况下进行自动检测,将非结构化的标签信息抽取成结构化的事件模式.Flickr中真实数据的实验结果表明该方法的可行性和有效性.