1. Sampling the datasets and extrac

1. Sampling the datasets and extracting the training sets u, {u1,u2,u3…,un}，which contains totally n users；Corresponding time sets { t1,t2,t3…,tn } could also be extracted. Combining the two sets, the joint probability distribution {p(ti|ui),1≤i≤n} is computed.

2. For every region r=1,…,R: ①a region r is extracted by standardized Gaussian distribution; ②the sets of GPS coordinates L={ {li,0, li,1}, 1≤i≤n } is obtained in a region r; ③ Through (1), joint probability distribution of every region R is computed by

ผลลัพธ์ (ไทย) 1:

1. การสุ่มตัวอย่างการ datasets และแยกการฝึกอบรมชุด u, {u1, u2, u3... un }, ซึ่งประกอบด้วยผู้ใช้ทั้งหมด n ยังแยกชุดเวลาได่ {t1, t2, t3... tn } รวมสองชุด การกระจายความน่าเป็นร่วม { p(ti|ui), 1≤i≤n } คำนวณ2. สำหรับทุกภูมิภาค r = 1,..., R: ①a ภูมิภาค r สกัด ด้วยมาตรฐาน Gaussian กระจาย ②the ชุดพิกัด GPS L = { { li, li 0 1 }, 1≤i≤n } มายังภูมิภาค r ③ผ่าน (1), การกระจายความน่าเป็นร่วมของทุกภาค R คำนวณโดย

ผลลัพธ์ (ไทย) 2:

1. การเก็บตัวอย่างชุดข้อมูลและการสกัดการฝึกอบรมชุด U, {U1, U2, U3 ... สหประชาชาติ} ซึ่งมีทั้งหมด n ผู้ใช้; ชุดที่สอดคล้องกันเวลา {T1, T2, T3 ... , TN} อาจจะมีการสกัด รวมทั้งสองชุดคือกระจายความน่าจะร่วมกัน. {p (TI | UI), 1≤i≤n} คำนวณ

2 ทุกภูมิภาค r = 1, ... , R: ①aภูมิภาค R คือสกัดโดยเสียนกระจายมาตรฐาน; ชุด GPS ②theพิกัด L = {{Li, 0, Li, 1}} 1≤i≤nจะได้รับในภูมิภาค R; ③ผ่าน (1) การกระจายความน่าจะเป็นร่วมกันของทุกภาค R คำนวณโดย

ผลลัพธ์ (ไทย) 3:

1 . ตัวอย่างข้อมูลและการแยกชุดการฝึก U , { U1 U2 U3 , , . . . , a } ซึ่งมีทั้งหมด n ผู้ใช้เวลาชุด { สอดคล้องกัน T1 , T2 , T3 . . . . . . . TN } สามารถสกัด รวม 2 ชุด คือ การแจกแจงความน่าจะเป็นร่วม { P ( Ti | UI ) 1 ≤ผม≤ n } จะคำนวณ .2 . ทุกภาค R = 1 , . . . , R : ①ภาค R สกัดโดยการแจกแจงแบบปกติมาตรฐาน ; ②ชุด GPS L = { { Li , 0 , li , 1 } 1 ≤ผม≤ n } ได้รับในภาค R ③ผ่าน ( 1 ) การแจกแจงความน่าจะเป็นร่วมของ ทุกภาค R จะคำนวณโดย