机构名称：
¥ 1.0
自主水面舰艇对水监测越来越重要。它们的目的是在有限的人工干预下航行于河流和湖泊，以收集有关水参数的实时数据。为了实现这一目标，这些智能系统必须与环境互动并根据所面临的情况采取行动。在这项工作中，我们提出了一个基于最新时间序列聚类/分割方法和聚类有效性指标集成的框架，用于检测、建模和评估水上无人机状态。该方法完全由数据驱动且无人监督。它采用未标记的多元时间序列传感器轨迹，并返回一组具有统计意义的状态模型（由不同的数学方法生成）和数据集的相关分割。我们在一个真实的数据集上测试了该方法，该数据集包含六个活动的数据，其中两个在河流中，四个在湖泊中，在不同的国家/地区航行约 5.6 小时。结果表明，该方法能够识别已知状态并发现未知状态，从而实现新颖性检测。因此，该方法是一种易于使用的工具，用于发现和解释传感器数据中的重要状态，从而能够改进数据分析和无人机自主性。
人工智能的工程应用
主要关键词
相关文件推荐
