-
题名一种加入时间维的船舶轨迹高效离线压缩算法研究
被引量：14
- 1
-
-
作者
徐凯
邱家瑜
李燕
-
机构
上海海事大学上海国际航运研究中心港航大数据实验室
同济大学电子与信息工程学院计算机系
-
出处
《计算机科学》
CSCD
北大核心
2017年第B11期498-502,共5页
-
基金
国家社会科学基金项目(15BJY069)
交通部应用基础研究主干学科项目(2014329810120)资助
-
文摘
全球船舶轨迹大数据加工的一个重要步骤是对船舶轨迹进行压缩。以经典船舶轨迹离线压缩算法思路为基础,探讨了传统算法在压缩效果和压缩效率方面存在的问题。例如,经典Douglas-Peucker压缩算法没有考虑时间维,导致压缩后的数据对船舶的速度与航行状态信息的保留效果不佳。但是,动态Douglas-Peucker算法虽然考虑了时间维,却因此增加了计算量,导致压缩效率不高。在上述算法的基础上,将考虑时间维的轨迹压缩算法对应到向量空间中,利用向量的内积、外积的几何性质,对算法压缩效率和效果进行了改善,并提出了快速Douglas-Peucker算法。经过实验验证,该算法较经典算法效率提高了约30%以上,压缩效果比已有算法更优。
-
关键词
船舶轨迹
船舶自动识别系统
轨迹压缩
时空序列
道格拉斯-普克算法
-
Keywords
Ship trajectory, Automatic identification system （AIS）, Trajectory compression, Space-Time sequence, Douglas-Puke algorithm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于Lasso算法的中文情感混合特征选择方法研究
被引量：9
- 2
-
-
作者
李燕
卫志华
徐凯
-
机构
同济大学电子与信息工程学院计算机科学与技术系
上海海事大学上海国际航运研究中心港航大数据实验室
-
出处
《计算机科学》
CSCD
北大核心
2018年第1期39-46,共8页
-
基金
国家自然科学基金项目(61573259)
上海市进一步加快中医药事业发展三年行动计划(2014-2016年)(ZY3-CCCX-3-6002)
+1 种基金
中央高校基本科研专项资金(0800219302
0800219315)资助
-
文摘
中文情感分析中的一个重要问题就是情感倾向分类,情感特征选择是基于机器学习的情感倾向分类的前提和基础,其作用在于通过剔除无关或冗余的特征来降低特征集的维数。提出一种将Lasso算法与过滤式特征选择方法相结合的情感混合特征选择方法:先利用Lasso惩罚回归算法对原始特征集合进行筛选,得出冗余度较低的情感分类特征子集;再对特征子集引入CHI,MI,IG等过滤方法来评价候选特征词与文本类别的依赖性权重,并据此剔除候选特征词中相关性较低的特征词;最终,在使用高斯核函数的SVM分类器上对比所提方法与DF,MI,IG和CHI在不同特征词数量下的分类效果。在微博短文本语料库上进行了实验,结果表明所提算法具有有效性和高效性;并且在特征子集维数小于样本数量时,提出的混合方法相比DF,MI,IG和CHI的特征选择效果都有一定程度的改善;通过对比识别率和查全率可以发现,Lasso-MI方法相比MI以及其他过滤方法更为有效。
-
关键词
中文情感分析
特征选择
Lasso
情感分类
机器学习
-
Keywords
Chinese sentiment analysis
Feature selection
Lasso
Sentiment classification
Machine learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
