2016秋季学期视觉计算实验室第7周论文研读预告

时间:10月28日上午9:00
地点:基础教学楼B318实验室
研读成员:梁晶

本次的三篇paper都是针对于解决城市计算领域的同一个问题:Transportation mode detection from GPS data

1.《Inferring hybrid transportation modes from sparse GPS data using a moving window SVM classification》
推荐理由:
  本文的数据大小与时长,选取的独立变量都是经过统计测量得到的,是有理论依据的。而且采用了“滑动窗口”:滑动窗口包含由一定数量的segment组成的instance,先通过移动窗口识别每个instance的交通模式,再在此基础上对单个的segment进行分类,这样可以避免segment先分类带来的使分类准确性依赖于分段有效性的这个缺点,同时提高识别的准确性。
2.《 Detecting modes of transport from unlabelled positioning sensor data》
推荐理由:
  本文提出了一种非监督学习的模式识别方法——MoDetect,与监督学习不同的是,它不需要手工打标签和预先训练,并且提高了识别准确性。
3.《Learning Transportation Annotated Mobility Profiles from GPS Data for Context-Aware Mobile Services》
推荐理由:
  本篇论文采用的是基于深度神经网络模型SAE的一种分类方法来识别交通模式,比较独特的一点是它使用了潜在的交通网络信息,例如公交站,地铁站以及路网信息,这些信息可以帮助提高分类结果的效率,而且它在识别变更点之前首先提取了停留点,使得结果更加的精确。