基于Markov與MMTS的移動(dòng)對(duì)象位置預(yù)測(cè)算法

　　針對(duì)低階Markov模型預(yù)測(cè)精度較差，以及多階Markov模型預(yù)測(cè)稀疏率高的問題，提出一種基于Markov模型與軌跡相似度（ MMTS）的移動(dòng)對(duì)象位置預(yù)測(cè)算法。該方法借鑒了Markov模型思想對(duì)移動(dòng)對(duì)象的歷史軌跡進(jìn)行建模，并將軌跡相似度作為位置預(yù)測(cè)的重要因素，以Markov預(yù)測(cè)模型的預(yù)測(cè)結(jié)果集作為預(yù)測(cè)候選集，結(jié)合相似度因素得出最終預(yù)測(cè)結(jié)果。實(shí)驗(yàn)結(jié)果表明，與K階Markov模型相比，該方法的預(yù)測(cè)性能不會(huì)隨著訓(xùn)練樣本大小及階數(shù)后的變化受到很大的影響，并且在大幅降低K階Markov模型預(yù)測(cè)稀疏率的同時(shí)將預(yù)測(cè)精度平均提高了8%以上。所提方法不僅解決了K階Markov模型的預(yù)測(cè)稀疏率高及預(yù)測(cè)精度不足的問題；同時(shí)提高了預(yù)測(cè)的穩(wěn)定性。
?