基于Geotagged Photo數(shù)據(jù)集的行為識別研究與應(yīng)用.pdf

1、隨著移動終端設(shè)備的普及與發(fā)展，因特網(wǎng)上涌現(xiàn)了大量Instagram、Flickr等多媒體共享服務(wù)，這類共享服務(wù)提供的數(shù)據(jù)以電子圖片為主體，同時具有文本標(biāo)簽、時間戳以及地理位置的信息，統(tǒng)稱為Geotagged Photo數(shù)據(jù)集。但是由于這些照片十分碎片化，用戶并不會對其進(jìn)行整理和分類，導(dǎo)致在瀏覽和查找時會浪費很多時間。因此，如何對大量的照片進(jìn)行分類和管理是一個急需解決的問題，同時根據(jù)分類結(jié)果推斷出用戶的行為規(guī)律，這是目前社會計算領(lǐng)域研究的

2、熱點。
　　針對上述問題，本文基于重要位置和行為之間的關(guān)系，對個人采集的非連續(xù)的Geotagged Photo數(shù)據(jù)集進(jìn)行了研究。本文所使用的數(shù)據(jù)是通過實驗室開發(fā)的移動終端App采集的個人為期10個月的非連續(xù)性Geotagged Photo數(shù)據(jù)集，基于其提供的地理位置、時間戳和文本描述信息，并結(jié)合數(shù)據(jù)集在地理位置上分布不均勻特點，本文提出一種自頂向下逐層求精的行為識別方法。首先，根據(jù)圖片的地理坐標(biāo)對應(yīng)實際地址，將訪問覆蓋區(qū)域按地域級

3、別劃分為幾個地區(qū)，濾除數(shù)據(jù)較少的地區(qū);從劃分完的地區(qū)中選取密度分布較密集的地區(qū)，將其網(wǎng)格化后形成密度較集中的區(qū)域，定義為重要活動區(qū)域;根據(jù)重要活動區(qū)域中圖片的位置分布密度，使用基于距離及密度的聚類算法對位置進(jìn)行聚類，每個聚類簇定義為一個重要位置。從聚類結(jié)果的各個簇中提取圖片描述信息，根據(jù)詞頻提取關(guān)鍵詞，用該關(guān)鍵詞標(biāo)注聚類簇的位置名稱，并且將非簇內(nèi)位置的語義標(biāo)注詞與各簇關(guān)鍵詞作相似度比對，若相似度高，則該位置追加為重要位置，相似度低則定義

4、為非重要位置;最后，對各個重要位置簇內(nèi)的圖片提取特征，使用基于距離的聚類算法對圖片進(jìn)行聚類，對每個聚類簇內(nèi)的數(shù)據(jù)利用詞頻提取關(guān)鍵詞標(biāo)注該簇的行為。并根據(jù)多層識別的結(jié)果為數(shù)據(jù)分配標(biāo)簽構(gòu)建索引，實現(xiàn)對數(shù)據(jù)的整理及重要位置和行為的識別。
　　本文最終取得沈陽市、四平市、北京市、營口市共1239條。在實驗過程中，本文對每個階段都考慮參數(shù)的優(yōu)化組合，并使用多種聚類評價指標(biāo)評估重要位置的聚類結(jié)果;結(jié)合用戶標(biāo)注的重要位置對系統(tǒng)識別的重要位置進(jìn)行