公开(公告)号：CN108108808A

公开(公告)日：2018-06-01

申请号：CN201810015984.9

申请日：2018-01-08

Applicant: 北京邮电大学

Inventor： 廖青 ,  赵晶玲 ,  吴杰 ,  李妍

IPC: G06N3/04 ,  G06K9/62

Abstract: 本发明实施例提供了一种基于深度信念网络的位置预测方法及装置，涉及位置预测技术领域，解决了现有技术中只使用位置的坐标，利用马尔科夫模型进行位置预测，只使用位置的坐标这一个维度，所考虑的维度不够全面，影响预测位置的精确度的问题。其中基于深度信念网络的位置预测方法包括：将所述多个特征作为深度信念网络的输入，利用所述深度信念网络进行位置预测，将所述深度信念网络的输出值为1对应的神经元所预测的位置，预定为用户在所述兴趣点的位置之后，所要到达的位置；其中，所述深度信念网络为利用包括有与所述多个特征相同类型的特征的样本作为训练集，对深度信念网络进行训练得到的。这样可以提高预测位置的准确度。

公开(公告)号：CN108108808B

公开(公告)日：2021-11-19

申请号：CN201810015984.9

申请日：2018-01-08

Applicant: 北京邮电大学

Inventor： 廖青 ,  赵晶玲 ,  吴杰 ,  李妍

IPC: G06N3/04 ,  G06K9/62

Abstract: 本发明实施例提供了一种基于深度信念网络的位置预测方法及装置，涉及位置预测技术领域，解决了现有技术中只使用位置的坐标，利用马尔科夫模型进行位置预测，只使用位置的坐标这一个维度，所考虑的维度不够全面，影响预测位置的精确度的问题。其中基于深度信念网络的位置预测方法包括：将所述多个特征作为深度信念网络的输入，利用所述深度信念网络进行位置预测，将所述深度信念网络的输出值为1对应的神经元所预测的位置，预定为用户在所述兴趣点的位置之后，所要到达的位置；其中，所述深度信念网络为利用包括有与所述多个特征相同类型的特征的样本作为训练集，对深度信念网络进行训练得到的。这样可以提高预测位置的准确度。