文献

J-GLOBAL ID：201802211575863075   整理番号：18A0445489

PCA(主成分分析)を用いた形状に基づく時系列還元【Powered by NICT】

Shape based time series reduction using PCA

著者 (2件)： Gawde Gajanan (Computer Engineering Department, Goa College of Engineering, Ponda, India) ,  Pawar Jyoti (Department of Computer Science and Technology, Goa University, Panaji, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIIECS  ページ： 1-4  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： 移動物体は膨大な数時系列軌跡を発生させ,そのような時系列軌跡の長さは大きい。このような長い時系列軌道を処理するためには非常に時間がかかる。時系列軌跡の次元を減少させる必要性全体実行時間を低減し得るであろう。次元縮小問題に取り組むために提案技術は僅かであるが,それらのどれも時系列軌跡の形状特徴に取り組んでいる。PCAとSVM技術を用いた時系列軌跡を低減した。法は軌道の形状を考慮した還元がされていない。本論文では,形状の主成分分析を用いた特徴ベクトルとしてShape_PCA次元縮小法を提案した。著者らの提案した方法は,軌道における時間のより多くを反復した形状を同定し,それに応じて時系列軌跡を減少させる。異なるデータセットを用いて行った徹底的な実験的研究。Shape_PCA法は,形状特徴がなくPCAとSVM(サポートベクトルマシン)と比較した。実験結果は,Shape_PCA法還元比は,PCAとSVM法に比べて高い側であることを示した。Shape_PCAはPCAとSVM法に比べて効率的な方法である。Copyright 2018 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： 移動体 ,  サポートベクトルマシン ,  *主成分分析 ,  軌跡 ,  次元縮小
準シソーラス用語： 特徴ベクトル ,  形状特徴 ,  実行時間 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： PCA ,  主成分分析 ,  時系列 ,  還元