秦泽浩，赵 理

(1.吉林大学计算机科学与技术学院，吉林 长春 130012；2.北京信息科技大学机电工程学院，北京 100192)

1 引言

伴随着信息数据的积累，大量繁杂的轨迹数据中存在许多重要信息，普通的轨迹数据挖掘没有对隐藏在轨迹数据背后的用户进行深层次提取，导致挖掘信息过于抽象[1，2]，因此，为了保证轨迹数据能够得到有效探索，需要对用户轨迹数据进行深度挖掘。

在此背景下，相关学者与科研人员进行了大量研究，其中，有学者提出了基于粗糙集与BP神经网络的分布式数据挖掘算法，该方法利用粗糙集与神经网络构建一个分布式传感器网络，对节点的初始数据进行离散和约简，最终形成BP神经网络，通过集成将BP神经网络设置到每个传感器节点上，该方法没有对用户行为数据的影响因素进行特征提取，导致用户轨迹数据挖掘的精准度低，存在用户轨迹数据命中率低的问题，表明方法的实用性差。还有学者提出了基于模糊神经网络的用户轨迹数据挖掘方法，该方法为寻找不同用户的轨迹数据规律，利用遗传算法对网络结构进行优化，压缩聚类数据信息，将其应用到实际操作中，获取有用知识，此方法在轨迹完整度的变化下，用户轨迹数据误差大，存在用户轨迹数据挖掘鲁棒性低的问题。除此之外，有学者提出了基于粗糙RBF神经网络的用户轨迹数据挖掘，该方法针对因通信和设备故障引起的用户轨迹数据要素值丢失问题构建了一个径向基神经网络的插补模型。……