Scifaro

中文

基于稀疏 Fisher-EM 的游泳者协调性关键点选择与聚类

机器学习 2014-01-08 v1 计算机视觉与模式识别机器学习数据分析、统计与概率应用统计

作者: John Komar , Romain Hérault , Ludovic Seifert

在 arXiv 上查看 ↗ PDF ↗

摘要

为探究最优游泳学习/教学策略的存在性，本工作引入了一种双层聚类方法，以分析蛙泳中运动学习的时间动态。每一层均通过稀疏 Fisher-EM 执行，这是一种可高效应用于大型相关数据集的无监督框架。其诱导的稀疏性能够在无任何先验知识的情况下选择协调阶段的关键点。

关键词

稀疏 Fisher-EM 游泳者协调性关键点选择聚类运动学习蛙泳无监督学习

引用

@article{arxiv.1401.1489,
  title  = {Key point selection and clustering of swimmer coordination through Sparse Fisher-EM},
  author = {John Komar and Romain Hérault and Ludovic Seifert},
  journal= {arXiv preprint arXiv:1401.1489},
  year   = {2014}
}

备注

Presented at ECML/PKDD 2013 Workshop on Machine Learning and Data Mining for Sports Analytics (MLSA2013)