※Modeling Human Location Data with Mixtures of Kernel Densities

用混合核密度方法对人的位置建模

这是一篇2014KDD,地理位置服务方面的论文。

1）首先，提出针对个人粒度，预测位置分布有两大挑战a)数据稀疏b)空间模型异构

2）接着，先提到在离散空间预测领域，已经有不少研究成果；但在连续空间预测，还有欠缺，这也是该文章的主攻方向。

3）然后，针对该问题，提出高斯核密度估计，但是在固定带宽的情况下，对密度密集和稀疏的地点，效果不一致；于是提出自适应带宽的方法。

4）后来，在前面的基础上，加权平均多个不同范围级别下的核密度函数，形成混合模型。

5）在后来，分别用实验证明：混合模型优于以上任何模型；能够识别异常身份；同时在扩展性和在线预测方面，论述该模型的有效性。

6）最后，作者也提到自己的两个需改进的地方：a)数据集中一些离散点有过度代表（？？？）b)没有考虑时间要素

评价：

1）该论文理论依据比较基础，主要在实验验证方面做的比较多，而且有信服力。

2）论文提到的方法是对一个区域内，个人出现在某个点的可能性概率的一个估计；因此用在异常检测方面，效果会比较突出。

》》》论文下载