抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,ハードウェアとデータ収集制約によるこのアプリケーションに課せられた制約を指摘しながら,Roadway表面破壊(RSDs)の実時間検出を改善することを試みた。著者らは,4つの異なる種類の道路異常に対する連続運転で収集された大量の不均一データセットを開発した。それらは,通常の道路とともに,データ検層,記録車両加速度およびGPS位置に対する専用の専用装置を用いた。11の車両のうちの4つから収集したデータセットを用いて,6つの一般的機械学習分類装置を訓練した。逐次順方向選択を,FFT,DWT,およびピーク加速度の3つのグループの特徴について実行した。FPR,FNRおよびTPRを含む性能指標を計算し,比較し,4つの車両のそれぞれに対する最良の結果を報告した。これに加えて,著者らはまた,経路が最も少ない数の異常を持ち,従って最も滑らかであるという規則的な運転者を示す注釈付き地図を提示した。最後に,本論文では,マルチクラス分類問題としてのRSD検出問題に取り組み,道路修理当局と運転者および乗客に対する道路異常の2つの異なる集合を識別するために,すべての手法を実装した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】