计算机科学与探索 ›› 2014, Vol. 8 ›› Issue (12): 1525-1536.DOI: 10.3778/j.issn.1673-9418.1408018
• 人工智能与模式识别 • 上一篇
阮群生1+,李豫颖1,龚子强2
RUAN Qunsheng1+, LI Yuying1, GONG Ziqiang2
摘要: 根据基于时间序列的船舶航行定位数据的特征,在差分自回归移动平均模型的基础上,运用马尔可夫链状态转移概率特性解决非平稳数据的预测问题,在建立马尔可夫链状态迁移概率矩阵过程中,使用K-means聚类算法划分预测值与真实值的差值状态区间,继而构建出优化预测算法。对算法进行了理论分析和数值实验,并与其他算法进行了比较,结果表明,该优化算法在船舶定位数据短时预测领域具有较好的预测效果,优于多个其他算法,可应用于船舶移动定位产品中。