图上随机过程的分段平稳建模及其在交通预测中的应用
信号处理
2019-09-10 v4
摘要
平稳性是许多随机过程统计模型中的关键假设。随着图信号处理领域的最新发展，传统的广义平稳概念已扩展到定义在图顶点上的随机过程。研究表明，著名的谱图核方法假设图上潜在的随机过程是平稳的。尽管在机器学习和信号处理文献中已提出多种方法来建模图上的平稳随机过程，但它们过于受限，难以刻画现实世界的数据集，因为其中大多为非平稳过程。本文为刻画图上的非平稳过程，提出了一种新颖模型及计算高效的算法，该算法将大图划分为互不相交的簇，使得过程在每个簇上平稳而簇间独立。我们在达拉斯-沃斯堡地区细粒度高速公路行程时间的大规模数据集上评估了我们的交通预测模型。我们的方法精度非常接近最先进的基于图的深度学习方法，而模型的计算复杂度显著更小。
引用
@article{arxiv.1711.06954,
title = {Piecewise Stationary Modeling of Random Processes Over Graphs With an Application to Traffic Prediction},
author = {Arman Hasanzadeh and Xi Liu and Nick Duffield and Krishna R. Narayanan},
journal= {arXiv preprint arXiv:1711.06954},
year = {2019}
}