基于深度无监督学习的自然驾驶场景聚类
机器学习
2018-06-07 v2
摘要
从驾驶场景中学习知识可帮助自动驾驶汽车在附近车辆参与的复杂环境中做出恰当决策。本文开发了一种无监督分类器，通过结合自动编码器与k-means聚类（AE-kMC）将自然驾驶场景分组为可区分的簇。AE-kMC的有效性使用由密歇根大学安娜堡分校在过去五年中收集的10,000个自然驾驶场景的数据进行了验证。我们将所开发的方法与-means聚类方法进行比较，实验结果表明AE-kMC方法优于原始k-means聚类方法。
引用
@article{arxiv.1802.10214,
title = {Cluster Naturalistic Driving Encounters Using Deep Unsupervised Learning},
author = {Sisi Li and Wenshuo Wang and Zhaobin Mo and Ding Zhao},
journal= {arXiv preprint arXiv:1802.10214},
year = {2018}
}