Fugu-MT 論文翻訳(概要): An unsupervised approach for semantic place annotation of trajectories based on the prior probability

論文の概要: An unsupervised approach for semantic place annotation of trajectories based on the prior probability

arxiv url: http://arxiv.org/abs/2204.09054v1
Date: Wed, 20 Apr 2022 01:10:25 GMT
ステータス: 処理完了
システム内更新日: 2022-04-21 15:45:00.567367
Title: An unsupervised approach for semantic place annotation of trajectories based on the prior probability
Title（参考訳）: 事前確率に基づく軌道の意味的位置アノテーションに対する教師なしアプローチ
Authors: Junyi Cheng, Xianfeng Zhang, Peng Luo, Jie Huang, Jianfeng Huang
Abstract要約: 本稿では,セマンティック・プレイス・アノテーション・トラジェクトリのための教師なし手法UPAPPを提案する。本手法は, 候補地点を空間的確率, 期間的確率, 訪問時間的確率にアノテートするために特に用いられる。提案手法は, それぞれ0.712と0.720の総合的, 平均的精度を達成し, 外部データを使わずに, 訪れた場所を正確にアノテートできることを示唆した。
参考スコア（独自算出の注目度）: 6.710030919235883
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Semantic place annotation can provide individual semantics, which can be of great help in the field of trajectory data mining. Most existing methods rely on annotated or external data and require retraining following a change of region, thus preventing their large-scale applications. Herein, we propose an unsupervised method denoted as UPAPP for the semantic place annotation of trajectories using spatiotemporal information. The Bayesian Criterion is specifically employed to decompose the spatiotemporal probability of the candidate place into spatial probability, duration probability, and visiting time probability. Spatial information in ROI and POI data is subsequently adopted to calculate the spatial probability. In terms of the temporal probabilities, the Term Frequency Inverse Document Frequency weighting algorithm is used to count the potential visits to different place types in the trajectories, and generates the prior probabilities of the visiting time and duration. The spatiotemporal probability of the candidate place is then combined with the importance of the place category to annotate the visited places. Validation with a trajectory dataset collected by 709 volunteers in Beijing showed that our method achieved an overall and average accuracy of 0.712 and 0.720, respectively, indicating that the visited places can be annotated accurately without any external data.
Abstract（参考訳）: 意味的場所アノテーションは個々の意味論を提供することができ、軌道データマイニングの分野で大いに役立つ。既存のほとんどのメソッドは注釈付きデータや外部データに依存しており、リージョンの変更後に再トレーニングする必要がある。本稿では,時空間情報を用いたトラジェクタの意味的位置アノテーションのためのupappという教師なし手法を提案する。ベイズ基準は特に、候補地の時空間確率を空間確率、期間確率、訪問時間確率に分解するために用いられる。その後、ROIおよびPOIデータの空間情報を用いて空間確率を算出する。時間的確率の観点からは、項周波数逆文書重み付けアルゴリズムを用いて、軌跡内の異なる場所タイプへの潜在的な訪問をカウントし、訪問時間と継続時間の事前確率を生成する。次に、候補場所の時空間確率と、訪れた場所をアノテートする場所カテゴリーの重要性が結合される。北京の709人のボランティアが収集した軌跡データセットによる検証の結果,訪問した場所を外部データなしで正確にアノテートできることがわかり,その精度は0.712,0.720と推定された。

関連論文リスト

Link Representation Learning for Probabilistic Travel Time Estimation [21.092166159353702]
本稿では,ガウス階層モデルを用いた旅行レベルのリンク旅行時間をモデル化する。その結果、最先端の決定論的および確率論的ベースラインと比較して優れた性能を示した。学習したリンク表現はネットワークの物理幾何学とよく一致し、他のアプリケーションに対する入力として適していることがわかった。
論文参考訳（メタデータ） (2024-07-08T13:01:53Z)
REPLAY: Modeling Time-Varying Temporal Regularities of Human Mobility for Location Prediction over Sparse Trajectories [7.493786214342181]
位置予測のための時間変化の時間的規則性を把握するための一般RNNアーキテクチャ学習であるREPLAYを提案する。特に、REPLAYは、情報の隠された過去の状態を探すために、スパース軌跡の距離を利用するだけでなく、時間変化の時間的規則性も許容する。その結果、REPLAYは位置予測タスクにおいて、最先端の手法を7.7%から10.9%向上させることができた。
論文参考訳（メタデータ） (2024-02-26T05:28:36Z)
Score Matching-based Pseudolikelihood Estimation of Neural Marked Spatio-Temporal Point Process with Uncertainty Quantification [59.81904428056924]
我々は、不確実な定量化を伴うmarkPsを学習するためのスコアMAtching推定器であるSMASHを紹介する。具体的には,スコアマッチングによるマークPsの擬似的類似度を推定することにより,正規化自由度を推定する。提案手法の優れた性能は、事象予測と不確実性定量化の両方において広範な実験によって実証される。
論文参考訳（メタデータ） (2023-10-25T02:37:51Z)
When Rigidity Hurts: Soft Consistency Regularization for Probabilistic Hierarchical Time Series Forecasting [69.30930115236228]
確率的階層的時系列予測は時系列予測の重要な変種である。ほとんどの手法は点予測に焦点を絞っており、確率的確率分布を十分に調整していない。 ProFHiTは,階層全体の予測分布を共同でモデル化する完全確率的階層予測モデルである。
論文参考訳（メタデータ） (2023-10-17T20:30:16Z)
PASTA: PArallel Spatio-Temporal Attention with spatial auto-correlation gating for fine-grained crowd flow prediction [33.08230699138568]
空間的自己相関ゲーティングを備えたニューラルネットワークPArallel Spatioを導入する。提案手法の構成要素は,空間的自己相関ゲーティング,マルチスケール残差ブロック,時間的注意ゲーティングモジュールである。
論文参考訳（メタデータ） (2023-10-02T14:10:42Z)
SpatialRank: Urban Event Ranking with NDCG Optimization on Spatiotemporal Data [55.609946936979036]
本研究ではSpatialRankという新しい空間イベントランキング手法を提案する。本研究では,SpatialRankが犯罪や交通事故の最も危険性の高い場所を効果的に特定できることを示す。
論文参考訳（メタデータ） (2023-09-30T06:20:21Z)
MomentDiff: Generative Video Moment Retrieval from Random to Real [71.40038773943638]
私たちは、MomentDiffという拡散に基づく生成フレームワークを提供しています。 MomentDiffは、ランダムなブラウジングから段階的なローカライゼーションまで、典型的な人間の検索プロセスをシミュレートする。 MomentDiffは3つの公開ベンチマークで最先端の手法を一貫して上回っていることを示す。
論文参考訳（メタデータ） (2023-07-06T09:12:13Z)
Uncovering the Missing Pattern: Unified Framework Towards Trajectory Imputation and Prediction [60.60223171143206]
軌道予測は、観測されたシーケンスから実体運動や人間の行動を理解する上で重要な作業である。現在の方法では、観測されたシーケンスが完了したと仮定し、欠落した値の可能性を無視する。本稿では,グラフに基づく条件変動リカレントニューラルネットワーク (GC-VRNN) の統一フレームワークを提案する。
論文参考訳（メタデータ） (2023-03-28T14:27:27Z)
Real-time Outdoor Localization Using Radio Maps: A Deep Learning Approach [59.17191114000146]
LocUNet: ローカライゼーションタスクのための畳み込み、エンドツーエンドのトレーニングニューラルネットワーク(NN)。我々は,LocUNetがユーザを最先端の精度でローカライズし,無線マップ推定における不正確性が高いことを示す。
論文参考訳（メタデータ） (2021-06-23T17:27:04Z)
Pose and Semantic Map Based Probabilistic Forecast of Vulnerable Road Users' Trajectories [2.984037222955095]
脆弱な道路利用者(VRU)の確率的軌道予測手法を提案する。過去の動きは、個々の身体部分の姿勢と動きを反映した3Dのポーズによって表現される。周囲のシーンは、道路、歩道、障害物の発生など、セマンティックマップの形式でモデル化されている。
論文参考訳（メタデータ） (2021-06-04T16:56:13Z)
Prediction with Spatio-temporal Point Processes with Self Organizing Decision Trees [0.0]
私たちはこの問題に新しいアプローチを導入します。我々のアプローチは、非定常かつ自己興奮的なプロセスであるホークスプロセスに基づいている。実生活データに関する実験結果を提供する。
論文参考訳（メタデータ） (2020-03-07T20:39:31Z)

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。