文献

J-GLOBAL ID：201802246739217783   整理番号：18A0187470

交通時系列データ補完のための改良されたk-最近傍法【Powered by NICT】

An improved k-nearest neighbours method for traffic time series imputation

著者 (6件)： Sun Bin (Blekinge Institute of Technology, Karlskrona 37179, Sweden) ,  Ma Liyao (School of Electrical Engineering, University of Jinan, Jinan 250022, China) ,  Cheng Wei (Kunming University of Science and Technology, Kunming 650093, China, Blekinge Institute of Technology, Karlskrona 37179, Sweden) ,  Wen Wei (Blekinge Institute of Technology, Karlskrona 37179, Sweden) ,  Goswami Prashant (Blekinge Institute of Technology, Karlskrona 37179, Sweden) ,  Bai Guohua (Blekinge Institute of Technology, Karlskrona 37179, Sweden)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CAC  ページ： 7346-7351  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： インテリジェント交通システム(ITS)は,ますます有効,ビッグデータから利益を得る。これにもかかわらず,欠測データは,ITSにおける多くの予測アルゴリズムを効果的に予防する作業からという問題がある。欠測データを補うことで行われてきた多くの研究。異なる補完法の中で,k最近傍(kNN)は優れた精度と効率を示した。しかし,一般的なkNNは時系列の代わりにマトリックスのために設計されたが,ギャップ敏感であることを窓と重みのような時系列特性の使用を欠いていた。本研究では,時系列のギャップ高感度窓kNN(GSW kNN)帰属を紹介した。結果はGSW kNNはベンチマークの方法よりもより正確な34%であることを示し,失われた比は90%に増加しても,まだロバストである。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： *ベンチマーク ,  ロバスト性 ,  高感度
準シソーラス用語： *近傍 ,  予測アルゴリズム ,  欠測値 ,  ビッグデータ ,  *最近傍法 ,  *時系列データ , 【Automatic Indexing@JST】

分類 (2件)： 都市交通  (TA01020W) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 交通 ,  時系列データ ,  補完 ,  最近傍法