一种基于地理位置人群分类的非参数聚类方法.docVIP

一种基于地理位置人群分类的非参数聚类方法 　　摘要 地理位置作为用户生活轨迹的具体表现，在人群分类中有着举足轻重的作用。地理位置数据具有高维稀疏性，已有人群分类方法需对位置数据进行特征选择并提前确定特征数，实际应用中存在不便。针对该问题，提出基于地理位置人群分类的一种非参数聚类方法。该方法首先利用分层狄利克雷过程（Hierarchical Dirichlet Process，HDP）无监督学习出最佳特征个数；然后利用潜在狄利克雷分布（Latent Dirichlet Allocation，LDA）对位置数据进行特征选取，同时得到功能特征概率矩阵；最后将其作为聚类权向量计算用户间的相似度，利用亲和力聚类（Affinity Propagation，AP）实现人群分类。实验结果表明，该方法较传统方法消耗时间更少、占用内存更低，且同时具有较高的Fmeasure。 　　关键词 地理位置；人群分类；分层狄利克雷过程；潜在狄利克雷分布；亲和力聚类 　　DOI DOI： 10.11907/rjdk.162466 　　中图分类号： TP301 　　文献标识码： A 文章编号 文章编号：2017）002000704 　　0 引言 　　随着移动设备的高速发展和广泛使用，用户的地理位置信息通过手机GPS设备很容易被获取。地理位置作为用户生活轨迹的具体表现，相似的用户通常会频繁出现在相同的地理位置，因此深入挖掘用户地理位置数据，实现基于地理位置的人群分类具有重要意义。但由于地理位置数据具有高维稀疏的特点，如何提前确定最有价值的分类特征个数是进行人群分类的主要任务。 　　传统的特征选择方法，如非负矩阵分解（Nonnegative Matrix Factorization，NMF）、主成分分析法（Principal Component Analysis，PCA）、奇异值分解（Singular Value Decomposition，SVD）都需要深入挖掘数据集的结构和特征，提前确定特征数量。但在实际应用中，不同的用户位置数据集有不同的最佳特征个数，人为确定特征个数耗时耗力，且不能保证该数据集的最佳特征??数。 　　针对上述问题，本文提出一种基于地理位置人群分类的非参数聚类方法。首先利用分层狄利克雷过程（Hierarchical Dirichlet Process，HDP）训练出最佳的地理位置特征选取数目，其次利用潜在狄利克雷分布（Latent Dirichlet Allocation，LDA）得到特征概率矩阵；最后，将用户的特征概率向量作为聚类权向量，利用亲和力聚类（Affinity Propagation，AP）进行人群分类。 　　本文提出一种基于分层狄利克雷过程的地理位置特征提取方法，自动获取特征选取数目，有效弥补传统方法需要预先确定特征个数的不足；同时，计算用户在各地理位置特征上的出现概率，以此作为用户相似性计算标准，可提高人群分类的准确率。 　　1 相关工作 　　随着移动设备的普及，用户位置数据更易获取。基于地理位置的人群分类的核心思想是：将用户出现的地理位置坐标作为用户特征，计算用户间的相似性。但由于位置数据集的高维稀疏性，将所有地理位置坐标作为用户特征进行人群分类是不明智的。因此，需针对不同的数据集确定特征数，在此基础上选择聚类特征，实现人群分类。 　　部分学者认为同类人群应拥有一组相同的地理位置坐标，且这组地理位置坐标会频繁出现，因此可采用频繁模式[14]挖掘用户间相同的地理位置坐标，以此作为用户特征计算用户相似度。宋衡等[5]针对3个年级的学生在学习、生活中产生的位置数据，采用PCA进行特征选择，进而进行年级分类。张成[6]提出了基于PCA的单变量贡献度方法，利用最大似然估计方法进行人群分类。此外，常见的特征选择方法还有奇异值分解SVD，它常用于图片压缩[7]和人脸识别[8]。张慈祥等[8]为有效降低特征向量的维数，提高人脸识别率，提出了一种基于稀疏表示和奇异值分解的人脸识别算法。但SVD较少使用于空间信息降维。同时SVD得到的降维矩阵中包含负值，数据可解释性较差。 　　综上所述，现有的特征选择方法，不能针对不同的位置数据得到最佳的特征个数；而在进行基于地理位置的人群分类时，由于地理位置数据的高维稀疏性，人为确定最佳特征个数在实际应用中较困难。因此，本文提出了一种基于地理位置人群分类的非参数聚类方法，解决特征选择中特征数目须提前确定的问题。同时，由LDA的方法特性，得到的特征可视为该地理位置坐标隐含的功能特征，具有很好的数据可解释性。 　　2 人群分类方法 　　本文提出的人群分类方法主要分为3个步骤：①利用分层狄利克雷过程HDP学习位置数据集中需提取的特征个数K；②利用潜在狄利克雷分布LD