DART:面向几何感知分类与道路安全分析的判别性自适应稳健变换

《Technologies》:DART: A Discriminative Adaptive Robust Transformation for Geometry-Aware Classification and Road Safety Analytics

【字体: 大 中 小 】 时间:2026年10月23日 来源:Technologies 5.2

编辑推荐:

  特征预处理直接塑造距离与相似度分类器所感知的几何结构。本研究提出判别性自适应稳健变换(DART,Discriminative Adaptive Robust Transformation),一种融合中位数/MAD归一化、有界非线性饱和以及连续Fisher-互信

  
特征预处理直接塑造距离与相似度分类器所感知的几何结构。本研究提出判别性自适应稳健变换(DART,Discriminative Adaptive Robust Transformation),一种融合中位数/MAD归一化、有界非线性饱和以及连续Fisher-互信息相关性加权的监督式预处理方法。研究人员将DART与监督式特征加权及度量学习进行比较。在原始常规预处理41数据集基准中,DART取得了0.8118的整体平衡准确率(BA,balanced accuracy)。在一项独立的监督对照实验中,kNN结果为NCA 0.8003、FisherWeight 0.7966、DART 0.7960、MIWeight 0.7855和StandardScaler 0.7742;对于RBF-SVM,DART取得了最高的聚合BA(0.8308)。仅用训练集进行RBF gamma选择时,DART仍保持较小优势(0.8320对0.8286),受20,000样本上限影响的五个独立子样本得到了稳定结论。在美国事故(US Accidents)数据中,默认Full DART相对于StandardScaler将重复交叉验证(CV)BA从0.2774提升至0.2906(配对差异+0.01316;经依赖性校正的近似95%置信区间0.00327–0.02304),而预算相等的嵌套k选择结果为0.3011对0.2797。州不重叠(state-disjoint)BA在固定k下为0.2814对0.2746,嵌套配对为0.2915对0.2747。默认Full DART并非在所有固定设置的美国对照中均排名第一,且稀有类别召回率仍然较低。STATS19与印度数据同样表明增益依赖于方法、类别与验证方式;印度数据还表现出显著的时序泛化差距。总体而言,DART应被解读为一种具有竞争力的监督式几何变换,其收益依赖于分类器与表示方式,并伴随额外的训练成本。
研究背景:道路安全仍是重大公共卫生挑战。世界卫生组织数据显示,道路碰撞每年导致约119万人死亡,是5–29岁人群的首要死因。事故记录包含道路几何、天气、照明、车辆、时间、地点等异构变量,但严重事故类别远少于轻微事故,类别不平衡严重制约可靠预测模型的构建。对k近邻(kNN)与径向基函数支持向量机(RBF-SVM)等依赖距离或相似度的分类器而言,特征预处理直接决定输入空间的几何结构。现有标准化、稳健缩放、Yeo–Johnson变换、分位数变换等仅利用特征边际分布,不包含类别标签信息;特征选择解决的是“保留哪些变量”而非“如何表示变量”。为此,研究人员提出将稳健分布变换与监督判别相关性整合为一种简单、可解释、防泄漏的对角几何变换。

研究内容与结论:DART融合中位数/MAD稳健归一化、有界非线性压缩(界限±τ)与基于Fisher可分性和互信息(MI)的连续相关性加权(默认τ=3、γ=1、λ=0.5)。在41数据集常规预处理基准中,DART取得最高平均平衡准确率(BA,balanced accuracy)0.8118与最佳平均排名;监督对照中,邻域成分分析(NCA,Neighborhood Components Analysis)在kNN上最高(0.8003),DART在RBF-SVM上最高(0.8308)。道路安全验证表明DART在多数配置下优于StandardScaler,但增益依赖分类器、类别与验证方式;印度数据存在大幅时序泛化差距。总体意义在于提供一种有竞争力的监督式几何变换。

关键技术方法:41个数据集来自scikit-learn与OpenML,采用五折分层交叉验证(种子42);另设监督对照实验(20,000观测/5,000特征上限)与五个独立分层种子的子样本敏感性分析。道路安全方面,US Accidents取20,000条分层记录(种子42),STATS19取20,000条分层记录,印度使用完整8,116条记录;交通标志验证使用GTSRB、LISA、BelgiumTSC固定训练/测试划分,图像以HOG描述符(1764维)与预训练ResNet18嵌入(512维)表示。评价指标包括BA、Macro-F1与马修斯相关系数(MCC);统计采用Friedman检验与Wilcoxon–Holm配对检验;所有监督量仅在训练折内估计以防目标泄漏。

研究结果:
5.1 整体表现:DART在41数据集上平均BA为0.8118,较StandardScaler提升0.0082,并获得最佳平均秩与最多首位次数。
5.2 分类器差异:kNN增益最大(平均BA较StandardScaler提高0.0215,17胜);RBF-SVM平均BA最高;逻辑回归差异小;随机森林不敏感,支持几何动机。
5.3 配对统计:kNN下DART经Holm校正显著优于全部主要基线;RBF-SVM下显著优于RobustScaler、无变换与PCA白化,但未显著超过StandardScaler、Quantile-Normal与Yeo–Johnson。训练集内gamma选择下DART仍以0.8320对0.8286保持优势。
5.4 全局秩检验:Friedman检验对每个分类器均拒绝各预处理方法秩等价的零假设。
6.1 消融:Full DART聚合BA最高;Robust+饱和即达0.80055;Fisher-only在kNN上略高于Full DART(0.79696对0.79500),后者在RBF-SVM上最优(0.83229)。
6.2 扰动稳健性:+100%无关维度下kNN-DART仅从0.7943降至0.7833,StandardScaler降至0.7048;10%离群污染下DART为0.6727,StandardScaler为0.5192;Quantile-Normal在严重离群下仍是强竞争者。
6.3 参数敏感性:τ在中等范围稳定;默认λ=0.5因测试前设定而保留;γ=2过度放大损害RBF-SVM。
6.4 计算成本:DART拟合耗时0.6069s(StandardScaler为0.0021s),测试变换仅0.428ms;NCA约106.7s,DART处于中间计算区间。
7.2 事故严重度预测:US Accidents固定k下Full DART将BA从0.2774提升至0.2906(配对差0.01316,95%置信区间0.00327–0.02304),嵌套k选择为0.3011对0.2797;州不重叠验证为0.2814对0.2746,但code 4召回率下降。STATS19中DART为0.3559对0.3499,但FisherWeight(0.3592)更高。印度重复CV BA为0.9285,时序测试仅0.3219。
7.3 交通标志验证:Full DART在六种配置中改善五种;GTSRB-HOG从0.7273升至0.8574(+13.02个百分点);LISA-HOG略降(0.8876对0.8933),收益依赖原表示几何。
7.4 监督对照:FisherWeight与MIWeight可解释大部分视觉增益,但最优形式随表示变化;DART-MI在GTSRB-HOG最高(0.8597),Full DART并非普遍最优。

讨论与结论:几何效应在依赖成对距离的分类器上最明显,无关维度与离群实验为监督加权和有界压缩提供了机制证据。Fisher与MI互补,等权(λ=0.5)是务实默认而非最优声明。主要局限为平均增益适中、依赖分类器、拟合成本高、易受分布位移影响,且特征相关性为预测性而非因果性。结论将DART定位为几何感知的监督式预处理策略,其价值在异构、污染或部分无关特征空间中对距离与核敏感分类器最为突出,不应视为标准缩放、监督加权或度量学习的通用替代品。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号