文献

J-GLOBAL ID：201802239796150513   整理番号：18A0196227

不均一時空間データからの不均一事象の共起パターンの発見【Powered by NICT】

Discovering co-occurrence patterns of heterogeneous events from unevenly-distributed spatiotemporal data

著者 (2件)： Tran-The Hung (National Institute of Information and Communications Technology, 4-2-1 Nukui-Kitamachi Koganei, Tokyo 184-8795) ,  Zettsu Koji (National Institute of Information and Communications Technology, 4-2-1 Nukui-Kitamachi Koganei, Tokyo 184-8795)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： Big Data  ページ： 1006-1011  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： 時空共起パターンは,しばしば空間及び時間で一緒に位置していることを事象特徴のサブセットを表している。しかし,このような時空共起パターンは予想外にしばしば発生し,限られた領域と限られた時間間隔で災害事象を捉えることができない。さらに,発見共起パターンのための以前の研究は,予測問題のためのパターンを用いて考慮していない。本論文では,発見共起パターンの問題の有効な空間的および時間的サブ領域と注釈を定義した。も予測問題のための共起パターンの新しい関心尺度を定義し,この指標に基づいて,時空間バイアスを除去するための繰り返し時空間クラスタリングを組み込むことにより,相関ルールの形でそのような共起パターンを発見するための方法を提案した。著者らのアルゴリズムは,大規模データセットに適している。関西地域における豪雨事象を発見し,共存する交通災害事象を予測することにより,実世界データセットに対してこの方法を評価した。80%の最も興味深い発見されたパターンのみを用いたことにより,著者らの実験結果は,ベースラインに対するF値の予測性能の24%の改善を示した。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： 基準線 ,  アルゴリズム ,  相関ルール ,  *予測 ,  バイアス ,  豪雨 ,  部分集合
準シソーラス用語： 予測性能 ,  F値 ,  関西 ,  大規模データセット ,  時空間クラスタリング ,  時間間隔 , 【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)： 不均一 ,  時空間データ ,  事象 ,  発見