.png){kind=icon}
返回
Towards explainable trajectory classification: A segment-based perturbation approach
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neucom.2025.131691.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
轨迹分类在交通分析、野生动物追踪和人类移动性研究等应用中至关重要。然而，许多现有模型，尤其是基于深度学习的方法，缺乏可解释性，使得理解其决策过程具有挑战性。为解决此问题，我们提出了一种基于子段扰动的轨迹分类模型无关可解释性框架。我们的方法系统地扰动轨迹的各个子段，并构建重要性图以突出其对分类结果的贡献。此外，我们还提出了一种新颖的保真度指标，用于评估提供解释的能力以及解释的质量。我们使用多个基准轨迹数据集和多种分类器（包括传统机器学习模型和深度学习模型）对框架进行了评估。实验结果表明，我们的方法能够提供有效且有意义的解释，特别是在应用于多种类型模型时的灵活性。
