首页|一种基于用户异步轨迹的身份识别智能方法

一种基于用户异步轨迹的身份识别智能方法

An intelligent identification method of user identity based on asynchronous trajectory

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对传统的轨迹身份识别存在的特征选择主观性强、精度有限等问题,本文提出了一种融合双向循环神经网络模型(ConvGRU-Bidir).首先采用一维卷积和一维池化压缩轨迹数据,提取高维特征;然后采用双向GRU,分别从时间正序和时间逆序学习轨迹特征,最终实现用户身份ID识别.研究采用GeoLife轨迹数据集,来自122名用户的10837个轨迹样本参与模型训练及测试.结果表明,本文提出的模型对于异步轨迹数据的身份识别精度达97.28％,相比现有方法精度至少提高30％,由此证明了深度学习在此类问题上的可行性和有效性.

蔡柔丹

展开 >

重庆市勘测院,重庆401121

重庆市地理国情监测工程技术研究中心,重庆401121

用户轨迹 循环神经网络 身份识别 深度学习 卷积神经网络

国家重点研发计划

2018YFB0505400

2022

测绘通报
测绘出版社

测绘通报

CSTPCDCSCD北大核心
影响因子：1.027
ISSN：0494-0911
年,卷(期)：2022.(7)
  • 5