論文の概要: Discovery of Crime Event Sequences with Constricted Spatio-Temporal Sequential Patterns

• arxiv url: http://arxiv.org/abs/2112.01863v1
• Date: Fri, 3 Dec 2021 11:53:08 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-06 15:25:05.476076
• Title: Discovery of Crime Event Sequences with Constricted Spatio-Temporal Sequential Patterns
• Title（参考訳）: 制約付き時空間列パターンによる犯罪事象系列の発見
• Authors: Piotr S. Maci\k{a}g (1), Robert Bembenik (1), Artur Dubrawski (2) ((1) Warsaw University of Technology, Institute of Computer Science, Warsaw, Poland (2) Carnegie Mellon University, Auton Lab, The Robotics Institute, Pittsburgh, USA)
• Abstract要約: CSTSパターンの集合は全時間連続パターンの簡潔な表現であることを示す。 2つの犯罪関連データセットを用いて提案アルゴリズムを実験的に評価した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this article, we introduce a novel type of spatio-temporal sequential patterns called Constricted Spatio-Temporal Sequential (CSTS) patterns and thoroughly analyze their properties. We demonstrate that the set of CSTS patterns is a concise representation of all spatio-temporal sequential patterns that can be discovered in a given dataset. To measure significance of the discovered CSTS patterns we adapt the participation index measure. We also provide CSTS-Miner: an algorithm that discovers all participation index strong CSTS patterns in event data. We experimentally evaluate the proposed algorithms using two crime-related datasets: Pittsburgh Police Incident Blotter Dataset and Boston Crime Incident Reports Dataset. In the experiments, the CSTS-Miner algorithm is compared with the other four state-of-the-art algorithms: STS-Miner, CSTPM, STBFM and CST-SPMiner. As the results of experiments suggest, the proposed algorithm discovers much fewer patterns than the other selected algorithms. Finally, we provide the examples of interesting crime-related patterns discovered by the proposed CSTS-Miner algorithm.
• Abstract（参考訳）: 本稿では,Constricted Spatio-Temporal Sequential(CSTS)パターンと呼ばれる新しい時空間連続パターンを紹介し,その特性を徹底的に解析する。 CSTSパターンの集合は、与えられたデータセットで発見できる全ての時空間連続パターンの簡潔な表現であることを示す。 発見されたCSTSパターンの意義を測定するために、参加者指標尺度を適用した。 CSTS-Miner: イベントデータ中のすべての参加インデックス強力なCSTSパターンを検出するアルゴリズムを提供する。 提案手法は,ピッツバーグ警察のインシデントブロッターデータセットとボストン犯罪インシデントレポートデータセットの2つの犯罪関連データセットを用いて実験的に評価した。 実験では、CSTS-Minerアルゴリズムは他の4つの最先端アルゴリズム(STS-Miner, CSTPM, STBFM, CST-SPMiner)と比較した。 実験結果が示すように,提案アルゴリズムは選択した他のアルゴリズムよりもはるかに少ないパターンを発見できる。 最後に,提案したCSTS-Minerアルゴリズムによる興味深い犯罪関連パターンの例を示す。

関連論文リスト

• Integrating Statistical Significance and Discriminative Power in Pattern Discovery [2.1014808520898667]
  提案手法は、統計的重要性と識別力の基準を最先端のアルゴリズムに統合する。 評価実験は, 品質劣化を伴わない識別力と統計的意義を顕著に向上させたパターンの発見において, 提案手法が果たす役割を示す。
  論文  参考訳（メタデータ） (2024-01-22T14:51:01Z)
• A new algorithm for Subgroup Set Discovery based on Information Gain [58.720142291102135]
  Information Gained Subgroup Discovery (IGSD)は、パターン発見のための新しいSDアルゴリズムである。 IGSDと最先端の2つのSDアルゴリズム(FSSDとSSD++)を比較した。 IGSDはFSSDやSSD++よりもOR値が優れており、パターンとターゲットへの依存度が高い。
  論文  参考訳（メタデータ） (2023-07-26T21:42:34Z)
• Custom DNN using Reward Modulated Inverted STDP Learning for Temporal Pattern Recognition [0.0]
  時間的スパイク認識は、異常検出、キーワードスポッティング、神経科学など、様々な領域において重要な役割を果たす。 本稿では,スパース事象系列データに基づく時間的スパイクパターン認識のための新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-07-15T18:57:27Z)
• TriSig: Assessing the statistical significance of triclusters [2.064612766965483]
  本研究は、テンソルデータのパターンの確率を評価するための統計的枠組みを提案し、ヌル期待から逸脱する。 偽陽性発見のための二項検定に関する総合的な議論が欠かせない。 バイオケミカルおよびバイオテクノロジー分野における、異なる実世界のケーススタディに対する最先端のトリクラスタリングアルゴリズムの適用から得られた結果。
  論文  参考訳（メタデータ） (2023-06-01T13:08:54Z)
• Search to Pass Messages for Temporal Knowledge Graph Completion [97.40256786473516]
  我々は、時間知識グラフ(TKG)の補完のために、NAS(Neural Architecture Search)を用いて、データ固有のメッセージパッシングアーキテクチャを設計することを提案する。 特に,TKGにおけるトポロジカルおよび時間的情報を探るための一般化されたフレームワークを開発する。 より低コストで効率的な探索のために単一経路をサンプリングし,スーパーネット構造を訓練する探索アルゴリズムを採用する。
  論文  参考訳（メタデータ） (2022-10-30T04:05:06Z)
• Contrast Pattern Mining: A Survey [54.06874773607785]
  この分野の研究者が短期間で現場の一般的な状況を理解することは困難である。 まず、識別能力を評価するための基本的な概念、タイプ、採掘戦略、メトリクスを含む、CPMの深い理解を示す。 我々は,CPM法の特徴を,境界ベースアルゴリズム,木ベースアルゴリズム,進化ファジィシステムベースアルゴリズム,決定木ベースアルゴリズム,その他のアルゴリズムに分類する。
  論文  参考訳（メタデータ） (2022-09-27T17:11:12Z)
• TaSPM: Targeted Sequential Pattern Mining [53.234101208024335]
  本稿では,高速CM-SPAMアルゴリズムに基づく汎用フレームワークTaSPMを提案する。 また,マイニングプロセスにおける無意味な操作を減らすために,いくつかのプルーニング戦略を提案する。 実験の結果,新たなターゲットマイニングアルゴリズムであるTaSPMは実行時間を短縮し,メモリ消費を低減できることがわかった。
  論文  参考訳（メタデータ） (2022-02-26T17:49:47Z)
• Supervised Feature Subset Selection and Feature Ranking for Multivariate Time Series without Feature Extraction [78.84356269545157]
  MTS分類のための教師付き特徴ランキングと特徴サブセット選択アルゴリズムを導入する。 MTSの既存の教師なし特徴選択アルゴリズムとは異なり、我々の手法は時系列から一次元特徴ベクトルを生成するために特徴抽出ステップを必要としない。
  論文  参考訳（メタデータ） (2020-05-01T07:46:29Z)
• CONSAC: Robust Multi-Model Fitting by Conditional Sample Consensus [62.86856923633923]
  我々は,同じ形状の複数のパラメトリックモデルを雑音測定に適合させる頑健な推定器を提案する。 複数のモデル検出のための手作り検索戦略を利用する従来の研究とは対照的に,データから検索戦略を学習する。 探索の自己教師付き学習において,提案したアルゴリズムをマルチホログラフィー推定で評価し,最先端手法よりも優れた精度を示す。
  論文  参考訳（メタデータ） (2020-01-08T17:37:01Z)

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。