論文の概要: Wise Sliding Window Segmentation: A classification-aided approach for trajectory segmentation

• arxiv url: http://arxiv.org/abs/2003.10248v1
• Date: Mon, 23 Mar 2020 12:55:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-20 23:31:01.233155
• Title: Wise Sliding Window Segmentation: A classification-aided approach for trajectory segmentation
• Title（参考訳）: ワイズスライディングウィンドウセグメンテーション:軌道分割のための分類支援アプローチ
• Authors: Mohammad Etemad, Zahra Etemad, Amilcar Soares, Vania Bogorny, Stan Matwin, Luis Torgo
• Abstract要約: ワイズスライディングウィンドウ(WS-II)と呼ばれる教師付き軌道分割アルゴリズムを提案する。 WS-IIは軌道座標を処理し、空間と時間の変化を見つけ、エラー信号を生成する。 提案手法は,異なる領域の3つの実データに対して評価する。
• 参考スコア（独自算出の注目度）: 11.174536284571802
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large amounts of mobility data are being generated from many different sources, and several data mining methods have been proposed for this data. One of the most critical steps for trajectory data mining is segmentation. This task can be seen as a pre-processing step in which a trajectory is divided into several meaningful consecutive sub-sequences. This process is necessary because trajectory patterns may not hold in the entire trajectory but on trajectory parts. In this work, we propose a supervised trajectory segmentation algorithm, called Wise Sliding Window Segmentation (WS-II). It processes the trajectory coordinates to find behavioral changes in space and time, generating an error signal that is further used to train a binary classifier for segmenting trajectory data. This algorithm is flexible and can be used in different domains. We evaluate our method over three real datasets from different domains (meteorology, fishing, and individuals movements), and compare it with four other trajectory segmentation algorithms: OWS, GRASP-UTS, CB-SMoT, and SPD. We observed that the proposed algorithm achieves the highest performance for all datasets with statistically significant differences in terms of the harmonic mean of purity and coverage.
• Abstract（参考訳）: 多くの異なるソースから大量のモビリティデータが生成されており、このデータに対していくつかのデータマイニング手法が提案されている。 軌道データマイニングの最も重要なステップの1つはセグメンテーションである。 このタスクは、軌道をいくつかの意味のある連続的なサブシーケンスに分割する前処理ステップと見なすことができる。 このプロセスは、軌跡パターンが全軌跡に留まらず、軌跡部分に保持されるためである。 本研究では,Wise Sliding Window Segmentation (WS-II) と呼ばれるトラジェクトリ・セグメンテーションアルゴリズムを提案する。 軌道座標を処理し、空間と時間の挙動変化を見つけ、軌道データをセグメント化するバイナリ分類器の訓練にさらに使用されるエラー信号を生成する。 このアルゴリズムは柔軟で、異なる領域で使用することができる。 提案手法は,異なる領域(気象,漁業,個体運動)の3つの実際のデータセットに対して評価し,OWS,GRASP-UTS,CB-SMoT,SPDの4つのトラジェクトリセグメンテーションアルゴリズムと比較した。 提案アルゴリズムは,純度とカバレッジの調和平均で統計的に有意な差がある全データセットに対して,最高性能を達成している。

関連論文リスト

• A Novel Adaptive Fine-Tuning Algorithm for Multimodal Models: Self-Optimizing Classification and Selection of High-Quality Datasets in Remote Sensing [46.603157010223505]
  マルチモーダル大モデルに対する適応的な微調整アルゴリズムを提案する。 我々は、GeoChatマルチモーダルリモートセンシングデータセットの3分の1を使用して、2台の3090 GPU上でモデルをトレーニングする。 このモデルはUCMercedおよびAID評価データセットで89.86と77.19のスコアを得た。
  論文  参考訳（メタデータ） (2024-09-20T09:19:46Z)
• TISIS : Trajectory Indexing for SImilarity Search [0.7373617024876725]
  ソーシャルメディアプラットフォームでは、位置情報データを含むさまざまな種類の情報を共有できる。 位置情報データは、ユーザの訪問した関心のポイント(POI)の軌跡を再構築するために利用することができる 鍵となる要件は、そのような軌道間の類似度を測定する能力である。
  論文  参考訳（メタデータ） (2024-09-17T15:57:33Z)
• Categorizing Flight Paths using Data Visualization and Clustering Methodologies [12.270546709771926]
  この研究は、連邦航空局の交通フロー管理システムとDV8のデータセットを利用して、様々な飛行経路で航空交通を分類するクラスタリングアルゴリズムを開発した。 アプリケーションの例では、自動クラスタリング結果決定とヒューマン・イン・ザ・ループプロセスに基づく、成功的で現実的なクラスタリングが示されている。
  論文  参考訳（メタデータ） (2023-10-01T19:42:00Z)
• Multi-body SE(3) Equivariance for Unsupervised Rigid Segmentation and Motion Estimation [49.56131393810713]
  本稿では、SE(3)同変アーキテクチャと、この課題に教師なしで取り組むためのトレーニング戦略を提案する。 本手法は,0.25Mパラメータと0.92G FLOPを用いて,モデル性能と計算効率を両立させる。
  論文  参考訳（メタデータ） (2023-06-08T22:55:32Z)
• Navya3DSeg -- Navya 3D Semantic Segmentation Dataset & split generation for autonomous vehicles [63.20765930558542]
  3Dセマンティックデータは、障害物検出やエゴ-車両の局所化といった中核的な認識タスクに有用である。 そこで我々は,大規模生産段階の運用領域に対応する多様なラベル空間を持つ新しいデータセットであるNavala 3D(Navya3DSeg)を提案する。 ラベルのない23のラベル付きシーケンスと25の補足シーケンスが含まれており、ポイントクラウド上の自己教師付きおよび半教師付きセマンティックセマンティックセグメンテーションベンチマークを探索するために設計された。
  論文  参考訳（メタデータ） (2023-02-16T13:41:19Z)
• A Semi-supervised Approach for Activity Recognition from Indoor Trajectory Data [0.822021749810331]
  協調生産環境において, 騒音の多い室内軌道データから移動物体の動作を分類する作業について検討する。 本稿では,まず情報理論の基準を適用し,長い軌道をセグメントに分割する半教師付き機械学習手法を提案する。 セグメントは制約付き階層的クラスタリング法に基づいて自動的にラベル付けされる。
  論文  参考訳（メタデータ） (2023-01-09T01:20:50Z)
• CloudAttention: Efficient Multi-Scale Attention Scheme For 3D Point Cloud Learning [81.85951026033787]
  この作業にトランスフォーマーをセットし、それらを形状分類と部分およびシーンセグメンテーションのための階層的なフレームワークに組み込む。 また、各イテレーションにおけるサンプリングとグループ化を活用して、効率的でダイナミックなグローバルなクロスアテンションを計算します。 提案した階層モデルは,最先端の形状分類を平均精度で達成し,従来のセグメンテーション法と同等の結果を得る。
  論文  参考訳（メタデータ） (2022-07-31T21:39:15Z)
• One-Pass Learning via Bridging Orthogonal Gradient Descent and Recursive Least-Squares [8.443742714362521]
  我々は,従来のデータポイントの予測にほとんど変化しない方向にパラメータを変更しながら,すべての新しいデータポイントに完全に適合するワンパス学習アルゴリズムを開発した。 我々のアルゴリズムは、インクリメンタル・プリンシパル・コンポーネント分析(IPCA)を用いてストリーミングデータの構造を利用して、メモリを効率的に利用する。 本実験では,提案手法の有効性をベースラインと比較した。
  論文  参考訳（メタデータ） (2022-07-28T02:01:31Z)
• Learning Implicit Feature Alignment Function for Semantic Segmentation [51.36809814890326]
  Implicit Feature Alignment Function (IFA)は、暗黙の神経表現の急速に拡大するトピックにインスパイアされている。 IFAは機能マップを異なるレベルで暗黙的に整列し、任意の解像度でセグメンテーションマップを生成することができることを示す。 提案手法は,様々なアーキテクチャの改善と組み合わせて,一般的なベンチマークにおける最先端の精度のトレードオフを実現する。
  論文  参考訳（メタデータ） (2022-06-17T09:40:14Z)
• PointInst3D: Segmenting 3D Instances by Points [136.7261709896713]
  本稿では,ポイント単位の予測方式で機能する,完全畳み込み型3Dポイントクラウドインスタンスセグメンテーション手法を提案する。 その成功の鍵は、各サンプルポイントに適切なターゲットを割り当てることにある。 提案手法はScanNetとS3DISのベンチマークで有望な結果が得られる。
  論文  参考訳（メタデータ） (2022-04-25T02:41:46Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。