文献

J-GLOBAL ID：201802267932295720   整理番号：18A1534944

弱相関頻出パターンに基づく限界行動マイニング最適化【JST・京大機械翻訳】

An optimization for overload behavior mining based on weakly correlated frequent patterns

著者 (2件)： Wan Fang (安徽交通職業技術学院,合肥,230051) ,  Hu Donghui (合肥工業大学計算机与信息学院,合肥,230009)
資料名： Beijing Jiaotong Daxue Xuebao. Zirankexueban  (Beijing Jiaotong Daxue Xuebao. Zirankexueban)
巻： 42  号： 2  ページ： 31-37  発行年： 2018年 
JST資料番号： C2406A  ISSN： 1673-0291  CODEN： BJDXES  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 現在、ゲーム分析と流量予測などのモデルを用いて、未来の時間区間の道路網貨車の超過行為に対して事前識別を行い、一定の検出効果を得た。しかし,時空の動的性と移動性を有する限局的車両の分布マイニングは,まだ制限がある。道路網の超限車両のデータ特性に従い,弱相関頻出パターンの限界挙動に基づくマイニング最適化アルゴリズムを提案し,空間弱相関頻繁パターンにより構築した超限頻出パターンツリーを採用した。時間的に弱い相関の状態遷移モデルを確立して,頻繁なパターンの予測値を得た。FP-growth頻出パターンマイニングアルゴリズムに基づいて,最初に,超限パターンマイニングと貨物輸送車両の挙動データの時空間的弱相関を確立し,そして,限界挙動予測アルゴリズムのエラー率を6%未満に下げた。それは,効果的に超限挙動の検出効率を改善した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 道路網 ,  モデル ,  予測 ,  誤り率 ,  流量 ,  アルゴリズム ,  貨車 ,  貨物輸送 ,  *最適化
準シソーラス用語： 予測アルゴリズム ,  パターンマイニング ,  頻出パターンマイニング ,  予測値 ,  最適アルゴリズム ,  *頻出パターン , 【Automatic Indexing@JST】

著者キーワード (4件)： frequent pattern ,  behavior mining ,  overload ,  traffic safety

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (5件)： 相関 ,  頻出パターン ,  限界 ,  行動 ,  最適化