文献

J-GLOBAL ID：201702283483664102   整理番号：17A1729944

放電に基づく軌道異常値の検出【Powered by NICT】

Detecting trajectory outliers based on spark

著者 (3件)： Chen Yuanyuan (Institute of Remote Sensing and Geographic Information System, Peking University, Beijing, China) ,  Yu Jingyi (Institute of Remote Sensing and Geographic Information System, Peking University, Beijing, China) ,  Gao Yong (Institute of Remote Sensing and Geographic Information System, Peking University, Beijing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： GeoInformatics  ページ： 1-5  発行年： 2017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： 有質量軌跡データにおける異常値の検出は異常な事象を発見し,人間の移動性を理解するのに有用である。伝統的な軌道異常値検出法は,大量のデータを処理するのには不十分である。研究者は異常値検出への分散型ソリューションを紹介し,大量のデータプロセス効率を向上しようとするいくつかの方法を研究した。しかし,これらの方法の大部分は,MapReduceモデルを採用した。一方,火花は時間の点で優れていることが証明されている。,本論文では,スパークプラットフォームを利用して軌道異常値検出法を提示することである。キー技術は,手順の世界的展望における軌道データ管理,前処理,軌道異常値検出の並列戦略に焦点を当てた。実験は,提案したアプローチを試験した。結果は提案した方法が精度と効率の点で軌道異常値を検出するために有効であることを示した。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： 放電 ,  *異常値 ,  軌跡 ,  データ管理 ,  前処理
準シソーラス用語： MapReduce ,  異常値検出 , 【Automatic Indexing@JST】

分類 (2件)： データベースシステム  (JD03030U) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 放電 ,  軌道 ,  異常値