文献

J-GLOBAL ID：201702216132549071   整理番号：17A0379577

TPML WMAに基づく犯罪発生率分布の解析【Powered by NICT】

Analysis of Crime Rate Distribution Based on TPML-WMA

著者 (4件)： Wei Xinlei ,  Yan Jinyao ,  Chen Zheng ,  Shi Tuo
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： CyberC  ページ： 157-160  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 犯罪分布予測は社会的安定性にプラスの影響を及ぼし,学界で注目を得た。既存の研究法は,特定の研究課題には適用できないか特定のデータセット。ベクトル運動モデルを構築し,将来の盗難分布を予測し,それは移動するかを把握するためにTPLM WMA(遷移確率行列学習と重み付き移動平均アルゴリズム)と呼ばれる新しいアルゴリズムを提案した。機械学習アルゴリズムのアイデアに従い,我々はそれ自身で学習し,マトリックス上の重み付き移動処理を行うために遷移確率行列させた。中国の都市からの2001~2011年のデータを用いて,モデルを設定し,brigandage予測に関するTPLM WMAアルゴリズムを評価し,異なる初期条件の下で,アルゴリズムの性能を検討した。同時に,最小二乗法に基づく古典的線形回帰法を用いた提案したアルゴリズムを比較した。結果はTPLM WMAの予測性能を,線形回帰法に比べて大きく改善されることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 学習アルゴリズム ,  最小二乗法 ,  遷移確率 ,  中華人民共和国 ,  ベクトル ,  学習 ,  都市 ,  アルゴリズム ,  *犯罪 ,  初期条件
準シソーラス用語： 予測性能 ,  線形回帰 ,  盗み ,  運動モデル ,  *発生率 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 犯罪 ,  発生率 ,  分布 ,  解析