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.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Un Nuevo Método para Ecuaciones Diferenciales de Riccati Basado en Métodos de Núcleo Reproductor y Cuasilinealización
Artículo:
Determinación de las características de picado débil para motores UAV de encendido por chispa de dos tiempos basada en el algoritmo de descomposición de Mallat
Artículo:
Derivaciones generalizadas de Jordan N de álgebras unitarias con idempotentes
Artículo:
Control repetitivo previo basado en aproximación Padé para sistemas lineales de tiempo continuo
Artículo:
Estabilización de frontera de tipo memoria para el sistema de poroso-termoelasticidad