Resumen

Los grandes desequilibrios se producen en situaciones reales cuando un sistema de detección necesita identificar el raro pero importante suceso de un incidente de tráfico. La detección de incidentes de tráfico puede tratarse como una tarea de aprendizaje de clasificadores a partir de conjuntos de datos desequilibrados o sesgados. Mediante el análisis de componentes principales (ACP), se construye un clasificador de una clase para la detección de incidentes a partir de los componentes principales mayor y menor de las instancias normales. Los experimentos se realizan con un conjunto de datos de tráfico reales recogidos en la autopista A12 de los Países Bajos. Se analiza la configuración de los parámetros, incluido el nivel de significación, el porcentaje de la variación total explicada y el límite superior de los valores propios de las componentes menores. Los resultados de las pruebas demuestran que este método obtiene mejores resultados que la regresión por mínimos cuadrados parciales. El método resulta prometedor para la detección de incidentes de tráfico.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:regresión por mínimos cuadrados parciales, detección de incidentes de tráfico, componentes principales menores, análisis de componentes principales, conjunto de datos de tráfico real, detección de incidentes de tráfico, método, autopista a12, desequilibrios elevados, mejor rendimiento
• Keywords:partial least squares regression, traffic incident detection, minor principal components, principal component analysis, real traffic dataset, traffic incident detection, method, a12 highway, high imbalances, better performance