一种用于提升自动事件检测的无监督特征学习方法
机器学习
2016-11-18 v1
摘要
先进的自动事件检测（AID）技术在当代交通系统中扮演关键角色。尽管许多论文致力于研究事件分类算法，但很少有研究探讨如何增强事件特征表示以提升 AID 性能。在本文中，我们提出使用无监督特征学习算法生成更高层次的特征来表示事件。我们在实验中使用了真实事件数据，发现有效的特征映射函数可从数据中跨测试站点学习到。通过增强的特征，在三个代表性案例中，检测率（DR）、误报率（FAR）和平均检测时间（MTTD）均显著提升。该方法还提供了一种减少标注数据量的替代途径，而标注数据获取成本高昂，对于训练更好的事件分类器是必需的，因为特征学习是无监督的。
引用
@article{arxiv.1310.7795,
title = {An Unsupervised Feature Learning Approach to Improve Automatic Incident Detection},
author = {Jimmy SJ. Ren and Wei Wang and Jiawei Wang and Stephen Liao},
journal= {arXiv preprint arXiv:1310.7795},
year = {2016}
}
备注
The 15th IEEE International Conference on Intelligent Transportation Systems (ITSC 2012)