一种基于深度学习和异步轨迹数据的用户身份识别方法
基本信息
| 申请号 | CN202110648737.4 | 申请日 | - |
| 公开（公告）号 | CN113312596A | 公开（公告）日 | 2021-08-27 |
| 申请公布号 | CN113312596A | 申请公布日 | 2021-08-27 |
| 分类号 | G06F21/31（2013.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 向泽君;蔡柔丹;陈良超;周智勇;胡开全;马红 | 申请（专利权）人 | 重庆市勘测院 |
| 代理机构 | 重庆鼎慧峰合知识产权代理事务所（普通合伙） | 代理人 | 徐璞 |
| 地址 | 400000重庆市江北区电测村231号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明提供一种基于深度学习和异步轨迹数据的用户身份识别方法，包括以下步骤：对待识别的异步轨迹数据进行预处理后输入到用户身份识别模型中对用户身份进行识别。模型使用融合双向循环神经网络对用户身份进行识别，具体如下：将超长轨迹序列输入到一维卷积层进行数据压缩；将数据压缩序列输入到一维池化层进行特征提取得到短序列；将短序列输入进双向门控循环单元中，分别沿时间正序和时间逆序学习轨迹特征；将时间正序、逆序方向的轨迹特征进行合并后输入到全连接层，输出合并后的轨迹特征所对应的用户身份识别号。本发明可以解决已有方法精度受限、轨迹数据特征构建存在主观性、大规模轨迹数据采样间隔不均衡及样本序列不定长的技术问题。 |
