K近邻引导的轨迹相似性学习
机器学习
2025-07-08 v2 计算机视觉与模式识别
数据库
摘要
轨迹相似性是许多时空数据挖掘应用的基础。近期研究提出了深度学习模型来近似传统的轨迹相似性度量，利用其训练后推理速度快的优势。尽管已有高效推理的报道，但由于轨迹粒度建模的困难以及训练数据中相似性信号的利用不足，相似性近似精度仍面临挑战。为填补这一空白，我们提出了TSMini，一种高效的轨迹相似性模型，该模型具备子视图建模机制，能够学习多粒度的轨迹模式，并采用基于k近邻的损失函数，引导TSMini不仅学习轨迹间的绝对相似度值，还学习它们的相对相似度排序。这两项创新共同实现了高精度的轨迹相似性近似。实验表明，在学习轨迹相似性度量时，TSMini的平均精度比现有最优模型高出22%。
引用
@article{arxiv.2502.00285,
title = {K Nearest Neighbor-Guided Trajectory Similarity Learning},
author = {Yanchuan Chang and Xu Cai and Christian S. Jensen and Jianzhong Qi},
journal= {arXiv preprint arXiv:2502.00285},
year = {2025}
}