論文の概要: Effective Metagraph-based Life Pattern Clustering with Big Human
Mobility Data
- arxiv url: http://arxiv.org/abs/2104.11968v1
- Date: Sat, 24 Apr 2021 15:12:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-02 12:57:02.006904
- Title: Effective Metagraph-based Life Pattern Clustering with Big Human
Mobility Data
- Title(参考訳): 大規模人体移動データを用いた効果的なメタグラフベースライフパターンクラスタリング
- Authors: Wenjing Li, Haoran Zhang, Jinyu Chen, Peiran Li, Yuhao Yao, Mariko
Shibasaki, Xuan Song, Ryosuke Shibasaki
- Abstract要約: 本稿では,類似の生活パターンを持つ群を効率的に同定できるライフパターンクラスタリングの枠組みを提案する。
提案手法は,アグリゲーションなしで個々の生活パターンデータの本来の特徴を保持できる。
代表的な生活パターン群を明らかにし,異なる期間と異なる地域における生活パターン群の特徴を分析した。
- 参考スコア(独自算出の注目度): 18.941981279054676
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Life pattern clustering is essential for abstracting the groups'
characteristics of daily mobility patterns and activity regularity. Based on
millions of GPS records, this paper proposed a framework on the life pattern
clustering which can efficiently identify the groups have similar life pattern.
The proposed method can retain original features of individual life pattern
data without aggregation. Metagraph-based data structure is proposed for
presenting the diverse life pattern. Spatial-temporal similarity includes
significant places semantics, time sequential properties and frequency are
integrated into this data structure, which captures the uncertainty of an
individual and the diversities between individuals.
Non-negative-factorization-based method was utilized for reducing the
dimension. The results show that our proposed method can effectively identify
the groups have similar life pattern and takes advantages in computation
efficiency and robustness comparing with the traditional method. We revealed
the representative life pattern groups and analyzed the group characteristics
of human life patterns during different periods and different regions. We
believe our work will help in future infrastructure planning, services
improvement and policies making related to urban and transportation, thus
promoting a humanized and sustainable city.
- Abstract(参考訳): ライフパターンのクラスタリングは、グループの日々のモビリティパターンと活動の規則性の特徴を抽象化するために不可欠である。
数百万のGPS記録に基づいて,同種のライフパターンを持つ群を効率的に識別できるライフパターンクラスタリングの枠組みを提案する。
提案手法は,アグリゲーションなしで個々の生活パターンデータの本来の特徴を保持できる。
多様な生活パターンを示すために,メタグラフに基づくデータ構造を提案する。
空間-時間的類似性には、重要な位置意味論、時間逐次特性、周波数がこのデータ構造に統合され、個人の不確かさと個人間の多様性を捉える。
非負分解法を用いて次元を縮小した。
提案手法は, 従来の手法と比較し, 計算効率とロバスト性に優れ, ライフパターンが類似した群を効果的に同定できることを示す。
代表的な生活パターン群を明らかにし,異なる期間と異なる地域における生活パターン群の特徴を分析した。
我々は、今後のインフラ計画、サービス改善、都市・交通に関する政策立案に役立ち、人間化された持続可能な都市を推進できると信じている。
関連論文リスト
- Model-based Clustering of Individuals' Ecological Momentary Assessment
Time-series Data for Improving Forecasting Performance [5.312303275762104]
類似した個人の追加情報は、これらのモデルを強化し、より良い個人の説明につながる可能性が高いと考えられている。
2つのモデルに基づくクラスタリング手法について検討し、まずパーソナライズされたモデルのモデル抽出パラメータを用いた。
クラスタリングに基づく手法の優位性が確認され、グループベースの情報の利用により、すべての個人データの全体的なパフォーマンスが効果的に向上する可能性が示唆された。
論文 参考訳(メタデータ) (2023-10-11T13:39:04Z) - T-Phenotype: Discovering Phenotypes of Predictive Temporal Patterns in
Disease Progression [82.85825388788567]
我々は、ラベル付き時系列データから予測時相パターンの表現型を発見するために、新しい時間的クラスタリング手法T-Phenotypeを開発した。
T-フェノタイプは, 評価ベースラインのすべてに対して, 最良の表現型発見性能を示す。
論文 参考訳(メタデータ) (2023-02-24T13:30:35Z) - Unified Multi-View Orthonormal Non-Negative Graph Based Clustering
Framework [74.25493157757943]
我々は,非負の特徴特性を活用し,多視点情報を統合された共同学習フレームワークに組み込む,新しいクラスタリングモデルを定式化する。
また、深層機能に基づいたクラスタリングデータに対するマルチモデル非負グラフベースのアプローチを初めて検討する。
論文 参考訳(メタデータ) (2022-11-03T08:18:27Z) - Latent Properties of Lifelong Learning Systems [59.50307752165016]
本稿では,生涯学習アルゴリズムの潜伏特性を推定するために,アルゴリズムに依存しないサロゲート・モデリング手法を提案する。
合成データを用いた実験により,これらの特性を推定するためのアプローチを検証する。
論文 参考訳(メタデータ) (2022-07-28T20:58:13Z) - Learning Conditional Invariance through Cycle Consistency [60.85059977904014]
本稿では,データセットの変動の有意義な要因と独立な要因を識別する新しい手法を提案する。
提案手法は,対象プロパティと残りの入力情報に対する2つの別個の潜在部分空間を含む。
我々は,より意味のある因子を同定し,よりスペーサーや解釈可能なモデルに導く合成および分子データについて実証する。
論文 参考訳(メタデータ) (2021-11-25T17:33:12Z) - Cluster-and-Conquer: A Framework For Time-Series Forecasting [94.63501563413725]
本稿では,高次元時系列データを予測するための3段階フレームワークを提案する。
当社のフレームワークは非常に汎用的で,各ステップで時系列予測やクラスタリングが利用可能です。
単純な線形自己回帰モデルでインスタンス化されると、いくつかのベンチマークデータセットで最先端の結果が得られる。
論文 参考訳(メタデータ) (2021-10-26T20:41:19Z) - GroupFormer: Group Activity Recognition with Clustered Spatial-Temporal
Transformer [16.988878921451484]
GroupFormerは、個人とグループ表現を増強するために、空間的・時間的コンテキスト情報を共同でキャプチャする。
提案するフレームワークは,VolleyballデータセットとCollective Activityデータセットの最先端メソッドよりも優れている。
論文 参考訳(メタデータ) (2021-08-28T11:24:36Z) - Grouped Feature Importance and Combined Features Effect Plot [2.15867006052733]
解釈可能な機械学習は、機械学習アルゴリズムの人気が高まり、研究の活発な領域となっている。
機能グループに対して,既存のモデル非依存手法をどのように定義できるかを包括的に概観し,機能グループの重要性を評価した。
本稿では,特徴のスパースで解釈可能な線形結合に基づいて,特徴群の効果を可視化する手法である複合特徴効果プロットを提案する。
論文 参考訳(メタデータ) (2021-04-23T16:27:38Z) - Temporal Phenotyping using Deep Predictive Clustering of Disease
Progression [97.88605060346455]
我々は、時系列データをクラスタリングするためのディープラーニングアプローチを開発し、各クラスタは、同様の将来的な結果を共有する患者から構成される。
2つの実世界のデータセットに対する実験により、我々のモデルは最先端のベンチマークよりも優れたクラスタリング性能が得られることが示された。
論文 参考訳(メタデータ) (2020-06-15T20:48:43Z) - Station-to-User Transfer Learning: Towards Explainable User Clustering
Through Latent Trip Signatures Using Tidal-Regularized Non-Negative Matrix
Factorization [4.713006935605146]
この研究は、モビリティデータと、それが都市のモビリティパターンの理解を改善するためにどのように役立つかに焦点を当てている。
そこで我々は,駅レベルの信号から学習した集合パターンを用いて,ユーザレベルの学習を増強する,遅延表現による集合学習フレームワークを提案する。
ワシントンD.C.都市圏の駅機能とユーザプロファイルの質的分析を行い,都市内モビリティ調査を支援する方法を示す。
論文 参考訳(メタデータ) (2020-04-27T14:13:56Z)
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。