一种基于时序网络模型的目标行动区域聚类预测方法

本发明公开了一种基于时序网络模型的目标行动区域聚类预测方法，包括以下步骤：对原始态势数据进行预处理；基于业务规则和具体的态势数据内容建立关于目标行为画像，确定目标行为特征；利用DBSCAN算法在经过预测后的目标态势数据上进行挖掘，通过聚类方法计算出所有目标的行为特征；基于特征集中的特征数目建立基于LSTM结构的目标行为预测网络模型，并确定网络模型的训练损失函数；基于SGD算法训练网络模型，训练收敛后将模型的权重及网络结构导出到文件中保存；导入训练好的模型权重，应用到实时目标数据中，并对目标的行动或区域进行预测输出。本发明具有较高预测准确性和实时性，可快速识别和预测目标的行动趋势。