基于聚类 SVM 的机器人协作任务高效检测分类
计算机视觉与模式识别
2024-05-13 v2
摘要
我们提出了一种用于各种机器人协作任务的高级、快速的模式识别策略。该方法利用基于 k 均值聚类的支持向量机 (SVM) 算法，对机器人进行飞行或移动机器人类别的明确区分。初始范式将机器人位置和特征视为指示不同机器人模式的关键参数。随后，采用 k 均值聚类技术可高效地对机器人数据进行分离和合并，显著优化支持向量的划分过程并加快识别阶段。随后，SVM 方法被灵活地应用于构建判别超平面，从而实现对机器人类别的精确分类和预测。为论证 k 均值框架优于传统 SVM 方法的有效性和优越性，组织了严格的交叉验证实验，证明了前者在机器人群体分类方面的优势。
引用
@article{arxiv.2405.03025,
title = {Matten: Video Generation with Mamba-Attention},
author = {Yu Gao and Jiancheng Huang and Xiaopeng Sun and Zequn Jie and Yujie Zhong and Lin Ma},
journal= {arXiv preprint arXiv:2405.03025},
year = {2024}
}