通过交通数据集数据签名 2D nMDS 投影刻画潜在离群点类别
其他计算机科学
2017-02-27 v1
摘要
本文提出了一种形式化方法，利用非度量多维标度 (nMDS) 可视化技术，通过交通数据集的数据签名投影来刻画潜在离群点。以往的工作仅依赖视觉检查，而这种技术的主观性可能会推导出错误且无效的潜在离群点。正确识别潜在离群点一直是文献中提出的一个开放问题。这是由于它们标示了 Luzon 北部 North Luzon Expressway (NLEX) 沿线发生交通事件/事故的区域和时间范围。在本文中，通过使用置信带和置信椭圆，将潜在离群点分为：(1) 绝对潜在离群点；(2) 有效潜在离群点；(3) 模糊潜在离群点。本文还描述了一种验证已识别的模糊潜在离群点簇隶属关系的方法。使用 2006 年 NLEX Balintawak 北行 (BLK-NB) 数据集，我们识别出了两个绝对潜在离群点、九个有效潜在离群点和五个模糊潜在离群点。在使用 Vector Fusion 的文献中，共识别出 10 个潜在离群点。基于使用置信带和置信椭圆的 nMDS 可视化结果，这 10 个潜在离群点均被找到，并且还发现了 8 个新的潜在离群点。
引用
@article{arxiv.1702.07501,
title = {Characterizing Classes of Potential Outliers through Traffic Data Set Data Signature 2D nMDS Projection},
author = {Erlo Robert F. Oquendo and Jhoirene B. Clemente and Jasmine A. Malinao and Henry N. Adorna},
journal= {arXiv preprint arXiv:1702.07501},
year = {2017}
}