MétaCan
Menu
Retour à la cohorte
Enregistrement W2505908631 · doi:10.5539/apr.v8n4p20

Geographical Location Estimation based on An Improved Particle Swarm Optimization

2016· article· en· W2505908631 sur OpenAlexvenueno aff
Zhuojie Chen, Lang Deng, Yuanbiao Zhang

Notice bibliographique

RevueApplied Physics Research · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueVideo Surveillance and Tracking Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésParticle swarm optimizationShadow (psychology)Computer scienceConvergence (economics)Geographic coordinate systemObject (grammar)Basis (linear algebra)Artificial intelligenceAlgorithmSequence (biology)Series (stratigraphy)Computer visionMathematical optimizationMathematicsGeographyGeodesyGeology

Résumé

récupéré en direct d'OpenAlex

This study presents a strategy for determining the relatively accurate geographical location of an object based on a video or a sequence of images taken at regular intervals. On the basis of a series of solar formulas, a precise object’s shadow length model that includes the latitude and longitude of the photographer is built to describe how the shadow changes. Inputting the shadow length of the object and the creation time of the image into the built model, parameters like the latitude or longitude can be estimated by Particle Swarm Optimization (PSO). To solve the problem that PSO is easy to get stuck into local optima, a compression factor and mutation operation are introduced to the algorithm. Through analyzing the instance, the improved PSO algorithm has demonstrated itself with enhancement in convergence and accuracy. In conclusion, the improved PSO is an effective and precise tool to estimate the geographical location of video or images.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,872
Score d'incertitude au seuil0,317

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,067
Tête enseignante GPT0,381
Écart entre enseignants0,314 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Physics ResearchMême sujetVideo Surveillance and Tracking MethodsTravaux en français237 207