基于机器学习的机器人运行轨迹数据自动分类方法设计

在机器人运行轨迹数据分类中,过大的数据量和轨迹数据的多维性使分类需要花费巨大时间,获取的分类结果也不够准确,设计一个基于机器学习的机器人运行轨迹数据自动分类方法,实现更加智能的分类。以时空双层网络为基础设计运行轨迹数据挖掘算法,自动挖掘轨迹数据。通过数据清洗、提取起始点与结束点、数据筛选、标准化处理这4个步骤预处理机器人运行轨迹数据。通过轨迹点抽样提取、停留点提取、停留区域点提取、轨迹点合并、轨迹语义化、添加时间信息与方向信息这6个步骤处理提取运行轨迹特征。基于机器学习中的粒子群优化算法和支持向量机实施运行轨迹数据的自动分类,测试设计方法的性能,在测试中使用的移动机器人是一种水路两栖机器人,在其工作时采集实验数据。测试结果表明:该设计方法在分类时的收敛速度较快,最低分类准确率超过91.5%,分类处理时间较短,实现了最初的设计目标。