Πρόβλεψη Θέσης Χρήστη σε Κινητά Δίκτυα - Ταξινομητής Βέλτιστης Παύσης Σπύρος Γεωργάκης Διπλωματική Εργασία

Εισαγωγή Πρόβλεψη Θέσης Χρήστη σε Κινητά Δίκτυα - Ταξινομητής Βέλτιστης Παύσης 2  Location-aware κινητές συσκευές  Βάσεις Δεδομένων κινούμενων αντικειμένων  Location Based Services  Χρησιμοποιούνται ευρέως στην αγορά  Υπάρχουν περιθώρια βελτίωσης  Επεξεργάζονται μεγάλα ποσά δεδομένων  Περιορισμοί hardware  Ακολουθείται κοινή τακτική

Optimal Stopping 3  Ο όρος εμφανίστηκε το 1875 και αφορούσε τυχερά παιχνίδια  Γνωστό ως  Secretary problem  Candidate problem  Beauty Contest problem  Επιλογή μίας απόφασης βασιζόμενοι σε πληροφορίες  Κάθε επιλογή περιέχει ρίσκο Πρόβλεψη Θέσης Χρήστη σε Κινητά Δίκτυα - Ταξινομητής Βέλτιστης Παύσης

Secretary problem 4  Κανόνες  Επιλογή υποψήφιου από πλήθος n  Μετά από κάθε συνέντευξη επιλέγουμε αν δεχόμαστε ή όχι τον υποψήφιο  Δεν επιλέγετ αι υποψήφιος που έχει ήδη απορριφθεί  Αν επιλεγεί ένας υποψήφιος οι υπόλοιποι απορρίπτονται  Αν δεν επιλεγεί κανένας επιλέγεται αναγκαστικά ο τελευταίος  Ποια είναι η καλύτερη επιλογή ;  Πιθανότητα να νικάμε ακόμα και 1/e φορές  Επέκταση προβλήματος  Ποι ά είναι μία από τις καλύτερες επιλογές Πρόβλεψη Θέσης Χρήστη σε Κινητά Δίκτυα - Ταξινομητής Βέλτιστης Παύσης

Longest Common Subsequence 5  Κλασικό πρόβλημα εύρεσης της μεγαλύτερης κοινής υπό ακολουθίας από δύο ακολουθίες  Αρχικά εμφανίστηκε για String μεταβλητές  Πολυπλοκότητα δυναμικού προγραμματισμού Ο (n x m)  Διάσπαση προβλήματος σε μικρότερα μέχρι εύρεση τετριμμένης λύσης  Αναδρομικός αλγόριθμος  (ABC) και (ACB)  AB  AC Πρόβλεψη Θέσης Χρήστη σε Κινητά Δίκτυα - Ταξινομητής Βέλτιστης Παύσης

6  Ιδιότητες  Κοινό σημείο δύο ακολουθιών  Μείωση κάθε ακολουθίας αφαιρώντας το τελευταίο στοιχείο και υπολογισμός του LCS  Διαφορετικό σημείο δύο ακολουθιών  Μείωση της πρώτης ακολουθίας αφαιρώντας το τελευταίο στοιχείο και υπολογισμός του LCS  Μείωση της δεύτερης ακολουθίας αφαιρώντας το τελευταίο στοιχείο και υπολογισμός του LCS  Εύρεση της μεγαλύτερης από τις δύο παραπάνω τιμές Longest Common Subsequence Πρόβλεψη Θέσης Χρήστη σε Κινητά Δίκτυα - Ταξινομητής Βέλτιστης Παύσης

7  Παράδειγμα  Η τροχιά P έχει μόνο ένα κοινό κομμάτι με την τροχιά T  Η τροχιά P είναι όμοια με την τροχιά Q με μικρή απόκληση Μοντέλο Πρόβλεψη Θέσης Χρήστη σε Κινητά Δίκτυα - Ταξινομητής Βέλτιστης Παύσης

8  Holistic framework  Ελάττωση της αρνητικής επίπτωσης της τυχαιότητας της κίνησης των αντικειμένων  Διαχείριση ολόκληρου του κύκλου ζωής κατηγοριοποίησης τροχιάς  Διατήρηση της Βάσης Γνώσης όσο πιο ‘ καθαρή ’ γίνεται  Χαρακτηριστικά  Χρονική διαδικασία αξιολόγησης  OST  LCSS  Διαδικασία πρόβλεψης κίνησης  Χωρική διαδικασία καθαρισμού Βάσης Γνώσης Μοντέλο Πρόβλεψη Θέσης Χρήστη σε Κινητά Δίκτυα - Ταξινομητής Βέλτιστης Παύσης

9 Μοντέλο Πρόβλεψη Θέσης Χρήστη σε Κινητά Δίκτυα - Ταξινομητής Βέλτιστης Παύσης

Χρονική διαδικασία αξιολόγησης : LCSS 10  Εύρεση μεγαλύτερης υπό ακολουθίας από δύο τροχιές  Παράμετροι  minStdX  minStdY  Ομοιότητα [0, 1]  LCSS(A, A) = 0  LCSS(A, ‘A) = 1 Πρόβλεψη Θέσης Χρήστη σε Κινητά Δίκτυα - Ταξινομητής Βέλτιστης Παύσης

11  Μία ακολουθία από m LCSS αποτελέσματα  Κανόνες Optimal Stopping  Εύρεση ενός εκ των καλύτερων αποτελεσμάτων  Δεν επιλέγουμε καμία από τις πρώτες n τιμές και για αυτές βρίσκουμε την καλύτερη  Για τις υπόλοιπες επιλέγουμε την πρώτη που θα συναντήσουμε με τιμή μεγαλύτερη από την τιμή που βρήκαμε  Η τιμή n υπολογίζεται από την sqrt(m) Χρονική διαδικασία αξιολόγησης : OST Πρόβλεψη Θέσης Χρήστη σε Κινητά Δίκτυα - Ταξινομητής Βέλτιστης Παύσης

Διαδικασία πρόβλεψης κίνησης 12  Εκτίμηση ποιότητας πρόβλεψης  Αλγόριθμος μετατροπής GPS συντεταγμένων σε απόσταση ( μέτρα )  Κατώφλι ομοιότητας  Υπολογισμός ομοιότητας  Ομοιότητα > κατώφλι  Πρόβλεψη  Ομοιότητα < κατώφλι  Εισαγωγή τροχιάς στην Βάση Γνώσης Πρόβλεψη Θέσης Χρήστη σε Κινητά Δίκτυα - Ταξινομητής Βέλτιστης Παύσης

Χωρική διαδικασία καθαρισμού Βάσης Γνώσης 13  Μόνο σε περίπτωση πρόβλεψης  Υπολογισμός διασποράς συντεταγμένων για τις τροχιές  Υπολογισμός ποσοστού διαφοράς μεταξύ των τροχιών  Έλεγχος απόφασης αντικατάστασης πρόβλεψης με πρότυπο της Βάσης Γνώσης Πρόβλεψη Θέσης Χρήστη σε Κινητά Δίκτυα - Ταξινομητής Βέλτιστης Παύσης

14 Χωρική διαδικασία καθαρισμού Βάσης Γνώσης Χ ΣυντεταγμένεςΥ Συντεταγμένες 1true 2falsetrue 3 false 4 Πρόβλεψη Θέσης Χρήστη σε Κινητά Δίκτυα - Ταξινομητής Βέλτιστης Παύσης

Πειράματα 15  Δύο κατηγορίες πειραμάτων  Random  Serial  Για κάθε κατηγορία οι παρακάτω υπό κατηγορίες  Κατώφλι ποιότητας πρόβλεψης  Κατώφλι ομοιότητας συντεταγμένων  Αρχικό μέγεθος τροχιάς  Γενικό μέγεθος τροχιάς  Διαγράμματα  Accuracy vs. Prediction  Number of Patterns vs. Attempts  Replacements vs. Attempts Πρόβλεψη Θέσης Χρήστη σε Κινητά Δίκτυα - Ταξινομητής Βέλτιστης Παύσης

Αποτελέσματα 16  Γραμμική αύξηση της πρόβλεψης με την πάροδο του χρόνου  Σταθεροποίηση του ρυθμού εισαγωγής προτύπων στην Βάση Γνώσης Πρόβλεψη Θέσης Χρήστη σε Κινητά Δίκτυα - Ταξινομητής Βέλτιστης Παύσης

Αποτελέσματα 17  Κατώφλι ποιότητας πρόβλεψης  Ανάλογο με την αντικατάσταση τροχιάς  Κατώφλι ομοιότητας πρόβλεψης  Αντιστρόφως ανάλογο με το ρυθμό αύξησης ποιότητας πρόβλ.  Αντιστρόφως ανάλογο με το πλήθος αντικατάστασης τροχιάς  Αρχικό μέγεθος τροχιάς  Αντιστρόφως ανάλογο με το πλήθος αντικατάστασης τροχιάς  Αντιστρόφως ανάλογο με το ρυθμό αύξησης ποιότητας πρόβλ.  Γενικό μέγεθος τροχιάς  Αντιστρόφως ανάλογο με το ρυθμό εισαγωγής προτύπων  Αντιστρόφως ανάλογο με το πλήθος αντικατάστασης τροχιάς Πρόβλεψη Θέσης Χρήστη σε Κινητά Δίκτυα - Ταξινομητής Βέλτιστης Παύσης

Αποτελέσματα 18 Πρόβλεψη Θέσης Χρήστη σε Κινητά Δίκτυα - Ταξινομητής Βέλτιστης Παύσης

Συμπεράσματα 19  Πρόβλεψη κίνησης χρήστη με την βοήθεια της OST  Μπορούν να γίνουν βελτιώσεις  LCSS  Χωρική διαδικασία αξιολόγησης Πρόβλεψη Θέσης Χρήστη σε Κινητά Δίκτυα - Ταξινομητής Βέλτιστης Παύσης

20 Ευχαριστώ Σπύρος Γεωργάκης Πρόβλεψη Θέσης Χρήστη σε Κινητά Δίκτυα - Ταξινομητής Βέλτιστης Παύσης