文献

J-GLOBAL ID：201802278171421316   整理番号：18A1209581

分配および検出フレームワークに基づく軌道異常値検出【JST・京大機械翻訳】

Trajectory outlier detection based on partition-and-detection framework

著者 (5件)： Bao Liang (School of Software, XiDian University, Xi’an, China) ,  Wu Shanshan (Science and Technology on Information Systems Engineering Laboratory, Nanjing Research Institute of Electronics Engineering, Nanjing, China) ,  Chen Weizhao (School of Software, XiDian University, Xi’an, China) ,  Zhu Zisheng (School of Software, XiDian University, Xi’an, China) ,  Yi Fan (School of Software, XiDian University, Xi’an, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICNC-FSKD  ページ： 1978-1983  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： 異常値検出はポピュラーなデータマイニング作業である。しかしながら,軌道データに対する異常値検出に関する重大な研究が不足している。本論文において,局所異常値分割アルゴリズム(TODLOF)に基づく軌道異常値検出を提案して,部分検出フレームワークに基づく軌道データセットにおける異常値を検出した。軌道を分割するとき,最小記述長原理(MDL)ベースの方法を採用した。局所異常値因子(LOF)を検出段階における異常値を判断するための基礎として用いて,それは異常検出の精度を改良した。最後に,実験を行い,入力としてハリケーン軌道データと動物移動データを用いて,このアルゴリズムが異常軌道を効率的に検出できることを証明した。また,このアルゴリズムのオンラインバージョンを,リアルタイム応用の要求を満たすために提示した。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】

シソーラス用語： *異常値 ,  データマイニング ,  ハリケーン ,  アルゴリズム
準シソーラス用語： 実時間 ,  異常検出 ,  MDL基準 ,  *異常値検出 , 【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)： 分配 ,  フレームワーク ,  軌道 ,  異常値検出