Resumen

Este estudio presenta la aplicabilidad del conjunto de clasificadores Naive Bayes para la detección de incidentes de tráfico. El Naive Bayes (NB) estándar se ha aplicado a la detección de incidentes de tráfico y ha obtenido buenos resultados. Sin embargo, el resultado de detección del NB aplicado en la práctica depende de la elección del umbral óptimo, que se determina matemáticamente utilizando conceptos bayesianos en el proceso de detección de incidentes. Para evitar la carga de elegir el umbral óptimo y ajustar los parámetros y, además, mejorar el limitado rendimiento de clasificación del NB y mejorar el rendimiento de detección, proponemos un conjunto de clasificadores NB para la detección de incidentes. Además, también proponemos combinar el Naïve Bayes y el árbol de decisión (NBTree) para detectar incidentes. En este artículo se analizan experimentos exhaustivos realizados para evaluar el rendimiento de tres algoritmos: NB estándar, NB ensemble y NBTree. Los resultados experimentales indican que las prestaciones de cinco reglas del conjunto de clasificadores NB son significativamente mejores que las del NB estándar y ligeramente mejores que las de NBTree en términos de algunos indicadores. Y lo que es más importante, los resultados del conjunto de clasificadores NB son muy estables.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería
• Subjects:mathematics Mathematical Analysis Algebra Engineering
• Palabras claves:conjunto de clasificadores nb, detección de incidentes de tráfico, nbtree, rendimientos, umbral óptimo, nb estándar, conjunto de clasificadores naive bayes, rendimiento de clasificación limitado, naive bayes estándar, conceptos bayesianos
• Keywords:nb classifier ensemble, traffic incident detection, nbtree, performances, optimal threshold, standard nb, naïve bayes classifier ensemble, limited classification performance, standard naive bayes, bayesian concepts