Matlab 基于tweet的稀疏编码地理坐标估计

我试图仅根据推特内容的特征来估计推特上推特的地理坐标。我使用了一个论文中的算法。
基本上，用户的推文被收集并预处理以创建序列/字数向量。提取子向量（面片）并使用无监督学习方法学习字典（）。使用学习的字典，可以找到稀疏代码。在此基础上，提出了一种最大池方案。最后，使用键（稀疏代码）/值（地理坐标）条目创建查找表。为了估计tweet（同一用户）的地理坐标，我们计算相应的稀疏码，然后使用kNN找到邻居。可以通过这些相邻向量的平均值来估计地理坐标

以下是我如何实现该算法：

• 我从数据集中提取数据，按用户分离数据（例如，80%的用户用于训练集，20%的用户用于验证集）
• 将面片/子向量放在一起，以创建训练集和验证集的大型矩阵
• 为了学习字典，我使用了KSVD-BOX：
• 对于稀疏编码，我使用了上述同一网站上的OMP-BOX
• 一些必要参数：
  • N=64（面片或子向量的维数）
  • K=600（原子数）
  • T=10（稀疏性）
  • kNN=30（最近邻的数量）
  • ε=0.1（白化常数）

可以看出，该算法运行速度非常快，训练时间为10分钟，测试时间为5分钟。然而，我从未获得过高精度。事实上，平均值距离误差始终在1000 km左右，这不如本文中的（500 km）。我遵循了论文中的每一点，包括增强选项。这是我的名片

嗯，我知道描述很长，但我试着用一种简单的方式解释我所理解的。我希望你能帮助我提高准确性。 谢谢你的病人