低價GPS (Global Positioning System)技術的進展，引領了使用者定位的大量商業應用。
本篇是Learning and Inferring Transportation Routines之參考文獻。由於該篇的paremeter learning部份，講得不多，故找本篇來研讀。
本篇的主題是，探討如何根據原始的GPS資料，來預測使用者的日常移動行為。本篇的想法較為原始，並未考慮goal與nolvety之情形。
作者使用的particle filter，是Bayesian filter的一種變形。particle filter以近似的方式來加速計算效率。作者並推導了EM演算法的步驟。
實驗的部份，資料來源為一位使用者的90天GPS資料。GPS訊號發送之時間間隔為2-10秒。實驗顯示，與之間的模型相比，預測的準確度有顯著提昇。
Donald J. Patterson, Lin Liao, Dieter Fox, and Henry Kautz
Department of Computer Science & Engineering
University of Washington
UBICOMP 2003
The Fifth International Conference on Ubiquitous Computing (UBICOMP), 2003
http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.1.5074
0902 regular meeting
View SlideShare presentation or Upload your own.
沒有留言:
張貼留言