基于LSTM-Attention的RFID移动对象位置预测

随着射频识别(RFID)技术的不断发展,其相比全球定位系统(GPS)具有高精度、数据信息量大的优势,将其应用于智能交通以预测移动对象位置受到广泛关注.然而,由于其定位基站分布离散,并且不同基站对位置预测的影响权重不同,以及长期的历史信息会来带维数灾难等,移动对象的位置预测面临着严峻的挑战.针对这些挑战,在分析现有预测算...     

基于查询对象的路网Skyline查询中Why-not问题的研究

随着信息技术的高度发展,数据成为了重要的战略资源,如何利用大数据进行查询是众多学者的研究内容。与此同时,被查询对象在未被选择时,如何利用大数据使自己能够满足用户的查询要求也成为了重要的研究方向。在分析现有算法存在的不足的基础上,根据实际生活中查询的特点,对基于查询对象的路网Skyline查询中的why-not问题进行了研究,并针对此问题提出了属性优化算法。该算法包括修改why-not点的空间属性和非空间属性,以及修改查询中心的位置。考虑到实际情况,将时间属性单列而不是简单地将其作为非空间属性的一维。算法采用剪枝策略以提高效率。最后在真实路网数据和生成的兴趣点数据集上进行对比实验,结果表明在特定时间段同时修改空间、非时空属性的方法可以有效地解决此问题。