Skip to content
Hot storiesContinuously updated

研究团队提出轨迹驻留点提取算法SSPE

1 reports1 reporting sourcesUpdated 10 hours ago

Start here

AI overview

针对退化轨迹数据中因严重空间噪声和长时间信号丢失导致的驻留点提取断裂问题，研究人员提出了稳健序列驻留点提取算法 SSPE。该算法融合了动态质心、n-step 前瞻启发式与时间桥接机制，并搭配无监督参数估计框架，免去了对人工标注的依赖。在 ExtraSensory 数据集的测试中，SSPE 相比主流基准 Trackintel 取得了更高的 F1-score，并同时提升了计算效率。

AI-generated from reports · Updated 9 hours ago

Latest developmentsNov 4 13:00
研究人员提出SSPE算法以改善退化轨迹驻留点提取，性能与效率均优于主流基准。

Report timeline

Follow the reports to see different sides of the story.

Nov 4
  1. arXiv 机器学习
    SSPE：面向退化轨迹数据的稳健序列驻留点提取算法

    研究人员提出 SSPE 算法，用于解决退化轨迹数据中因严重空间噪声和长时间信号丢失导致的驻留点提取断裂问题。SSPE 采用动态质心、n-step 前瞻启发式与时间桥接机制，并搭配无监督参数估计框架，无需依赖人工标注。在 ExtraSensory 数据集上，SSPE 相比主流基准 Trackintel 取得了更高的 F1-score，同时提升了计算效率。

Story heat trend

Current heat 8·Comparable peak 10（Nov 4 14:00）·Comparable change, last 24 hours–

02.557.510Nov4Nov4Nov4Nov4

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.