本論文摘自WWW 2008, 主要貢獻在於如何從原始的GPS資料推論出當時的交通工具 (e.g., Car, Bus, Bike, Walk).
方法可分為以下三個步驟:
1. change point-based segmentation method 負責將GPS的trip分割成不同的segmentation, 這裡僅區分成Walk Segment 以及 Non Walk Segment.
2. inference model: 本論文比較四種不同的機器學習方法 (Navie Bayes, Decision Tree, SVM, CRT), 針對每個segment辨識所使用的交通工具.
3. post-processing algorithm based on conditional probability: 有鑒於機器學習推論出來的交通工具有所誤差, 因此最後在用條件機率的方法針對機率較低的預測重新計算.
實驗部份:
GPS資料主要包含45個人約半年的行動資料, 此外評估的準則採用Precision及Recall
實驗結果顯示 decision tree 演算法可產生最好的效能.
以下附上修改原作者的投影片:
2010年3月19日
2008年5月7日
Image Classification for Mobile Web Browsing
這次報告的paper題目是"Image Classification for Mobile Web Browsing"，出處是"Proceedings of the 15th international conference on World Wide Web"。不難想像的是，作者是日本人，畢竟在日本，使用手機已經成為非常高頻率的一種活動。底下是摘要部份：
對於只有小畫面的行動裝置使用者來說，瀏覽專為桌上型PC的大畫面所設計的網頁是不方便的。然而，隨著網路技術的提升與行動裝置的普及，這方面的需求也越來越多。目前已經有一些研究與商業產品正嘗試解決這方面的問題，其中，能夠正確地分辨網頁中image的種類是很有用的。舉例來說，去除網頁中某些image來簡化網頁內容以達到更符合小畫面瀏覽的程度。
在這篇paper中，作者們將web imgaes分成11個種類。接著，從40個網站中收集到的3901個images以手動方式分類。其中，選取了能夠有效分類的37個image features。這些image features的擷取方式總共有4種：
1.use HTML source file analysis
2.query web servers
3.exploit the layout information of DOM trees when rendering the pages
4.use image processing
根據這37個image features，作者們使用C4.5演算法來建立Decision Tree Classification。
實驗部份，總共執行40次，每一次選擇其中一個網站的images當作test set而其餘39個網站的images當作training set。結果顯示，採用作者們的分類方式可以達到83.1%的正確率。最後，作者們還實作了一個automatic web page scrolling system作為展示利用image classification方法的一種應用。
最後是這次報告的投影片：
對於只有小畫面的行動裝置使用者來說，瀏覽專為桌上型PC的大畫面所設計的網頁是不方便的。然而，隨著網路技術的提升與行動裝置的普及，這方面的需求也越來越多。目前已經有一些研究與商業產品正嘗試解決這方面的問題，其中，能夠正確地分辨網頁中image的種類是很有用的。舉例來說，去除網頁中某些image來簡化網頁內容以達到更符合小畫面瀏覽的程度。
在這篇paper中，作者們將web imgaes分成11個種類。接著，從40個網站中收集到的3901個images以手動方式分類。其中，選取了能夠有效分類的37個image features。這些image features的擷取方式總共有4種：
1.use HTML source file analysis
2.query web servers
3.exploit the layout information of DOM trees when rendering the pages
4.use image processing
根據這37個image features，作者們使用C4.5演算法來建立Decision Tree Classification。
實驗部份，總共執行40次，每一次選擇其中一個網站的images當作test set而其餘39個網站的images當作training set。結果顯示，採用作者們的分類方式可以達到83.1%的正確率。最後，作者們還實作了一個automatic web page scrolling system作為展示利用image classification方法的一種應用。
最後是這次報告的投影片：
訂閱：
文章 (Atom)
