声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：田继伟,王劲松,石凯,
关键词：数据挖掘, 兴趣点, 定位, PU, 生成对抗网络,
随着智能移动设备的快速普及，人们对基于位置的社交网络服务的依赖性越来越高.但是，由于数据采集成本昂贵以及现有数据采集技术的缺陷，基于小样本数据挖掘的兴趣点(pointofinterest,POI)定位已经成为了一种挑战.尽管已经有一些POI定位方面的研究，但是现有的方法不能解决正样本数据不足的问题.提出一种基于PU与生成对抗网络(positiveandunlabeledgenerativeadversarialnetwork,puGAN)的模型，采用PU学习和生成对抗网络相结合的方式挖掘数据的隐藏特征，生成伪正样本弥补数据不足的问题，并校正无标签样本数据的分布，从而训练出有效的POI判别模型.通过分析ROC曲线以及训练误差和测试误差在迭代过程中的变化和关系来比较不同模型在实验场景下的效果.结果表明，puGAN模型可以有效解决数据样本不足的问题，进而提高POI定位的准确性.
来源：2019年第9期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。